Novo Índice de Pergo de Incêndios Florestais

JOSÉ RENATO SOARES NUNES
FMA+ - UM NOVO ÍNDICE DE PERIGO DE INCÊNDIOS

FLORESTAIS PARA O ESTADO DO PARANÁ -
BRASIL
Tese apresentada ao Curso de Pós-Graduação

em Engenharia Florestal, Setor de Ciências
Agrárias, Universidade Federal do Paraná, como
requisito parcial para a obtenção do grau e título
de “Doutor em Ciências Florestais”.
Orientador: Prof. Dr. Ronaldo Viana Soares
CURITIBA
2005
.
dedico essa tese

à memória de meu pai,
à minha mãe,
à Avany,
à Elisa e Ana, minhas filhas.
BIOGRAFIA DO AUTOR
JOSÉ RENATO SOARES NUNES, filho de Iracy Nunes e Yolanda Soares

Nunes nasceu em Castelo, Estado do Espírito Santo, aos 29 de maio de 1955.
Concluiu o curso primário em 1965 no Grupo Escolar Nestor
Gomes.
Conclui o curso ginasial em 1969 e o curso científico em 1972 no Colégio
Estadual e Escola Normal João Bley, em Castelo, Espírito Santo.
Concluiu o curso técnico em contabilidade em 1972 no Colégio Comercial
de Castelo, em Castelo, Espírito Santo
Em 1973, ingressou na Universidade Federal de Viçosa, graduando-se
em Engenharia Florestal no ano de 1976.
Trabalhou na MANASA – Madeireira Nacional S/A, como Engenheiro
Assistente dos Departamentos de Manejo Florestal e Silvicultura, no período de
1977 a 1978, em Guarapuava, Estado do Paraná.
Em março de 1979, iniciou o curso de Mestrado em Ciência Florestal, na
Universidade Federal de Viçosa, concluindo os requisitos necessários para o grau
de “Magister Scientiae”, em outubro de 1981.
De julho de 1981 a junho de 1983 fez Curso de Especialização em
Informática na Pontifícia Universidade Católica do Rio de Janeiro.
De março a julho de 1984 foi professor do Curso de Especialização em
Teleinformática na Universidade de Brasília.
De janeiro de 1984 a abril de 1994 foi professor das disciplinas Sistemas
de Computação e Redes de Computadores e Teleprocessamento nos Cursos de
Programação e Análise de Sistemas da Pontifícia Universidade Católica do Rio de
Janeiro.
De agosto de 1984 a outubro de 1991 foi Coordenador da Divisão de
Suporte a Usuários do Rio Datacentro na Pontifícia Universidade Católica do Rio de
Janeiro.
De março de 1992 a julho de 1993 foi Coordenador de Projetos e
Gerente de Desenvolvimento de Sistemas da Cetil Informática S/A, no Rio de
Janeiro.
De outubro de 1993 a julho de 1994 foi Diretor do Centro de
Processamento de Dados da Universidade do Rio de Janeiro – UNIRIO.
De julho de 1994 a maio de 1999 foi Pesquisador Sênior da Companhia
Paranaense de Energia Elétrica, trabalhando na implantação do SIMEPAR - Sistema
Meteorológico do Paraná, em Curitiba, Estado do Paraná.
De junho de 1999 a junho de 2000 foi Sócio Gerente da Foxsoft -
Consultoria e Informática Ltda, em Curitiba, Estado do Paraná.
De setembro de 2000 a março de 2003 foi Analista de Suporte de
Sistemas da Intranet Paraná, em Curitiba, Estado do Paraná.
Em abril de 2003 iniciou o curso de Doutorado em Engenharia
Florestal, na área de Conservação da Natureza, na linha de pesquisa Ecologia,
Controle e Uso do Fogo na Universidade Federal do Paraná, em Curitiba,
Estado do Paraná.
Desde julho de 2003 é professor substituto do Departamento de
Ciências Florestais da Universidade Federal do Paraná, em Curitiba, Estado
do Paraná.
AGRADECIMENTOS
À Universidade Federal do Paraná, através de seu Departamento de

Ciências Florestais, que possibilitou a realização desse curso.
Ao Professor Ronaldo Viana Soares pela dedicação, amizade e
ensinamentos preciosos, transmitidos durante o desenvolvimento deste trabalho.
Aos Professores Antônio Carlos Batista, Nilton José Sousa e à Professora
Daniela Biondi pelos ensinamentos, paciência, colaboração e amizade no decorrer
de todo o curso.
Aos Pesquisadores Ivan Crespo Silva e Leocádio Grodzki pela amizade e
colaboração.
À professora Laura Sánchez García pelas sugestões, amizade e apoio
nas horas mais difíceis.
Aos colegas de curso Alexandre Beutling, Carina Kozera, Letícia de Paulo
Koproski, Luiz Antonio Nunes de Melo e Marcos Alves pela amizade.
Ao Instituto Tecnológico Simepar pelo fornecimento dos dados
meteorológicos do Estado do Paraná.
À Companhia Klabin do Paraná pelo fornecimento dos dados referentes
aos incêndios florestais e à Daniele Zilio Vigolo pela colaboração na preparação dos
dados.
A todos os profissionais com os quais trabalhei durante a minha vida
profissional e que ajudaram a lapidar a minha conduta profissional, entre os quais: Luiz de
Castro Martins (in memoriam), Nicolau Meisel, Nelson Simões, Fernando Chataignier,
Murilo Maia Alves, Nelson Pagani Braga, Tércio Pacitti, Cezar Gonçalves Duquia, Vilson
de Souza Ferreira, José Matos de Oliveira Junior e Frederico Martins.
A todos aqueles que não me influenciaram e aos que não ajudaram, mas,
que pelo menos, não atrapalharam.
À Avany, que com seu amor, acreditou em meu esforço, que sofreu, que
sorriu e que contribuiu como pode para o sucesso desse trabalho.
A meus pais que me deram a vida. A própria vida que me permitiu chegar
até aqui. A Deus, que com seu sopro divino, me transmitiu um pouco de inteligência
e outro tanto de teimosia.
... Ele insinô qui nóis vivesse a vida aqui só pru passá
Nóis intonce invitasse o mau disejo e o coração
Nóis prufiasse pra sê branco inda mais puro
Qui o capucho do algodão
Qui num juntasse dividisse nem negasse a quem pidisse
Nosso amô o nosso bem nossos terém nosso perdão
Só assim nóis vê a face ogusta do qui habita os altos céus
O piedoso o manso o justo o fiel e cumpassivo
Siô de mortos e vivos nosso pai e nosso deus
Disse qui havera de voltá cuano essa terra pecadora
Marguiada im transgressão tivesse chêa de violença
De rapina de mintira e de ladrão
Cantiga do Estradar – Elomar Figueira Mello

SUMÁRIO
LISTA DE TABELAS..........…………………….…………………..…………………… x
LISTA DE FIGURAS….……………………………..………………….……………...... xiv
RESUMO……………………………………………………...…………………………... xvi
ABSTRACT…………………………………………….......……………………………... xvii
RESUMEN…………………………………………………………………………………. xviii
1 INTRODUÇÃO………………………………………………………………........…… 1
1. JUSTIFICATIVA……………………….....……………………………………….... 3
1.2 OBJETIVOS…………………………….………………………………………… 3
2 REVISÃO DE LITERATURA……………………………………………………..….. 4
2.1 INCÊNDIOS FLORESTAIS........................................................................... 4
2.2 RISCO E PERIGO DE INCÊNDIOS FLORESTAIS..................................... 4
2.2.1 Agentes Determinantes do Risco............................................... 6
2.2.2 Agentes Determinantes do Perigo.............................................. 6
2.2.3 Características do Material Combustível.................................... 7
2.2.3.1 Tipos de materiais combustíveis.................................... 8
2.2.3.2 Arranjo do material combustível..................................... 9
2.2.3.3 Umidade do material combustível.................................. 10
2.2.4 Condições Climáticas................................................................. 11
2.2.4.1 Radiação solar................................................................ 12
2.2.4.2 Temperatura do ar.......................................................... 13
2.2.4.3 Pressão atmosférica....................................................... 14
2.2.4.4 Umidade relativa do ar.................................................... 15
2.2.4.5 Vento.............................................................................. 16
2.2.4.6 Precipitação.................................................................... 19
2.2.4.7 Estabilidade atmosférica................................................. 20
2.2.5 Características do Relevo.......................................................... 23
2.2.5.1 Elevação......................................................................... 23
2.2.5.2 Exposição....................................................................... 24
2.2.5.3 Inclinação........................................................................ 24
2.2.6 Tipo de Cobertura Vegetal......................................................... 25
2.3 ÍNDICES DE PERIGO DE INCÊNDIOS FLORESTAIS................................. 26
2.3.1 Principais Índices de Perigo....................................................... 28
2.3.1.1 Índice de Angstron.......................................................... 28
2.3.1.2 Índice logarítmico de Telicyn.......................................... 29
2.3.1.3 Índice de Nesterov…………………….…...…………….. 30
2.3.1.4 Índice de Rodríguez e Moretti…………………………… 31
2.3.1.5 Fórmula de Monte Alegre………………………………... 33
2.3.2 Sistemas Complexos……………………………………………… 34
2.3.2.1 Canadá……......………….……………………………….. 35
2.3.2.2 Estados Unidos………………………...…………………. 36
2.3.2.3 Austrália ……...…………...………………………………. 37
2.3.2.4 França………...…………...………………………………. 38
2.3.2.5 Chile.………….……………………………………………. 39
3 MATERIAL E MÉTODOS..................................................................................... 40
3.1 CARACTERIZAÇÃO DAS ÁREAS DE ESTUDO.......................................... 40

3.2 INFORMAÇÕES SOBRE O CLIMA.............................................................. 41
3.3 PROCESSO METODOLÓGICO.……………………………………………….. 45
3.3.1 Obtenção dos Dados Meteorológicos........................................ 45
3.3.2 Desenvolvimento de Equações de Regressão para Umidade
Relativa...................................................................................... 45
3.3.3 Análise das Equações................................................................ 46
3.3.4 Obtenção dos Dados de Incêndios Florestais............................ 47
3.3.5 Incorporação da Velocidade do Vento à Fórmula de Monte
Alegre......................................................................................... 47
3.3.6 Validação e Testes do Novo Modelo.......................................... 50
3.3.6.1 Distribuição diária dos graus de perigo, das ocorrências de
incêndios e das áreas queimadas.…...................................... 50
3.3.6.2 Desempenho dos modelos............................................. 51
3.3.6.3 Aferição dos modelos selecionados............................... 52
3.3.6.4 Seleção do melhor modelo............................................. 53
4 RESULTADOS E DISCUSSÃO............................................................................ 54
4.1 ANÁLISE DA UMIDADE RELATIVA, PRECIPITAÇÃO E VELOCIDADE
DO VENTO................................................................................................... 54
4.2 CORREÇÃO DA UMIDADE RELATIVA........................................................ 60
4.2.1 Correção da Umidade Relativa das 9:00 para as 13:00 h......... 60
4.2.2 Correção da Umidade Relativa das 15:00 para as 13:00 h....... 63
4.3 ANÁLISE DE COVARIÂNCIA........................................................................ 66
4.3.1 Correção da Umidade Relativa das 9:00 para as 13:00 h e das
15:00 para as 13:00 h com os Dados Combinados...................... 67
4.4 INCORPORAÇÃO DA VELOCIDADE DO VENTO À FÓRMULA DE
MONTE ALEGRE....................................................................................... 69
4.4.1 Definição dos Modelos Lineares……………….......................... 69
4.4.2 Definição dos Modelos Exponenciais……………...................... 70
4.4.3 Definição dos Procedimentos Computacionais......................... 72
4.4.4 Número de Dias Previstos pelos Modelos................................. 73
4.4.5 Ocorrência de Incêndios Florestais........................................... 75
4.4.6 Áreas Queimadas………………………………........................... 79
4.4.7 Áreas Queimadas Médias por Incêndios................................... 82
4.5 SELEÇÃO DOS MELHORES MODELOS..................................................... 84
4.6 AFERIÇÃO DOS MODELOS SELECIONADOS........................................... 88
4.6.1 Escala de Perigo para a FMA+....................................................... 88
4.6.2 Número de Dias em cada Classe de Perigo Previstos pelos
Modelos Selecionados.............................................................. 89
4.6.3 Ocorrência de Incêndios Florestais........................................... 90
4.6.4 Áreas Queimadas pelos Incêndios Florestais........................... 92
4.6.5 Áreas Queimadas Médias por Incêndios................................... 93
4.7 O NOVO ÍNDICE DE PERIGO DE INCÊNDIOS PARA O ESTADO DO PARANÁ 97
5 CONCLUSÕES..................................................................................................... 99
REFERÊNCIAS........................................................................................................ 100
LITERATURA CONSULTADA................................................................................. 104
APÊNDICES............................................................................................................. 108
LISTA DE TABELAS
TABELA 1 - CLASSES DE MATERIAL COMBUSTÍVEL E TEMPOS DE

RESPOSTA MÉDIOS EM RELAÇÃO À UMIDADE DE
EQUILÍBRIO................................................................................ 16
TABELA 2 - INFLUÊNCIA DA VELOCIDADE DO VENTO NA TAXA DE
PROPAGAÇÃO DOS INCÊNDIOS............................................. 18
TABELA 3 - ESCALA DE PERIGO DO ÍNDICE LOGARÍTMICO DE

TELICYN...................................................................................... 29
TABELA 4 - RESTRIÇÕES DO ÍNDICE DE NESTEROV EM FUNÇÃO DA

QUANTIDADE DE CHUVA DO DIA……..................................... 31
TABELA 5 - ESCALA DE PERIGO DO ÍNDICE DE NESTEROV…........….... 31
TABELA 6 - VALORES DOS ACUMULADORES DO ÍNDICE DE

RODRÍGUEZ E MORETTI.................................................. 32
TABELA 7 - ESCALA DE PERIGO DO ÍNDICE DE RODRIGUEZ E

MORETTI..................................................................................... 33
TABELA 8 - RESTRIÇÕES DA FÓRMULA DE MONTE ALEGRE EM

FUNÇÃO DA QUANTIDADE DE CHUVA DO DIA …………....... 34
TABELA 9 - ESCALA DE PERIGO DA FÓRMULA DE MONTE ALEGRE…. 34
TABELA 10 - ESCALA DE PERIGO PARA O SISTEMA AUSTRALIANO........ 38
TABELA 11 - ESCALA DE PERIGO PARA O SISTEMA DA FRANÇA............ 38
TABELA 12 - ESCALA DE PERIGO PARA O SISTEMA CHILENO................. 39
TABELA 13 LOCALIZAÇÃO DAS ESTAÇÕES METEOROLÓGICAS NAS

REGIÕES DE ESTUDO……..........……….......………………...... 40
TABELA 14 - TABELA DE CONTINGÊNCIA.................................................... 51
TABELA 15 - CÁLCULOS DA TABELA DE CONTINGÊNCIA.......................... 51
TABELA 16 - COMPORTAMENTO DA UMIDADE RELATIVA NAS

REGIÕES ESTUDADAS PARA O PERÍODO DE 01/06/1998 A
31/05/2003................................................................................... 54
TABELA 17 - COMPORTAMENTO DA PRECIPITAÇÃO NAS REGIÕES
ESTUDADAS PARA O PERÍODO DE 01/06/1998 A
31/05/2003................................................................................... 56
x
TABELA 18 - COMPORTAMENTO DA VELOCIDADE DO VENTO NAS
REGIÕES ESTUDADAS PARA O PERÍODO DE 01/06/1998 A
31/05/2003................................................................................... 58
TABELA 19 - CORREÇÃO DA UMIDADE RELATIVA DAS 9:00 PARA
AS 13:00 h - REGRESSÃO LINEAR SIMPLES
FORMA GERAL: UR13=b0 + b1 UR09........................................... 60
AS 13:00 h - REGRESSÃO NÃO LINEAR
FORMA GERAL: UR13=b0 UR09 b1............................................... 61

AS 13:00 h - REGRESSÃO POLINOMIAL
FORMA GERAL: UR13=b0 + b1 UR09 + b2 UR09 2......................... 62
AS 13:00 h - REGRESSÃO EXPONENCIAL
FORMA GERAL: UR13 = e (b0 + b1 UR09)......................................... 62

AS 13:00 h - REGRESSÃO LINEAR SIMPLES
FORMA GERAL: UR13=b0 + b1 UR15........................................... 63
AS 13:00 h - REGRESSÃO NÃO LINEAR

AS 13:00 h - REGRESSÃO POLINOMIAL
FORMA GERAL: UR13=b0 + b1 UR15 + b2 UR15 2......................... 65
AS 13:00 h - REGRESSÃO EXPONENCIAL
FORMA GERAL: UR13 = e (b0 + b1 UR15).......................................... 65
TABELA 27 - RELAÇÃO DE ANÁLISES DE COVARIÂNCIA REALIZADOS

ENTRE AS EQUAÇÕES PARA CORREÇÃO DA UMIDADE
RELATIVA................................................................................... 67
AS 13:00 h PARA O ESTADO DO PARANÁ - REGRESSÃO
EXPONENCIAL
FORMA GERAL: UR13 = e (b0 + b1 UR09).......................................... 68
TABELA 29 - CORREÇÃO DA UMIDADE RELATIVA DAS 15:00 PARA AS

13:00 h PARA O ESTADO DO PARANÁ - REGRESSÃO NÃO
LINEAR
xi
TABELA 30 - FATORES DE PROPAGAÇÃO LINEARES................................ 69
TABELA 31 - FATORES DE PROPAGAÇÃO EXPONENCIAIS....................... 71
TABELA 32 - EXEMPLO DE SAÍDA DO PROGRAMA PARA OS MODELOS

LINEARES................................................................................... 72
TABELA 33 - EXEMPLO DE SAÍDA DO PROGRAMA PARA OS MODELOS

EXPONENCIAIS.......................................................................... 72
TABELA 34 - DISTRIBUIÇÃO DO NÚMERO DE DIAS OBSERVADOS EM

CADA NÍVEL DE PERIGO DAS ESCALAS DA FMA E DOS
MODELOS LINEARES PROPOSTOS........................................ 73
TABELA 35 - DISTRIBUIÇÃO DO NÚMERO DE DIAS OBSERVADOS EM

MODELOS EXPONENCIAIS PROPOSTOS............................... 75
TABELA 36 - DISTRIBUIÇÃO DAS OCORRÊNCIAS DE INCÊNDIOS

OBSERVADOS EM CADA NÍVEL DE PERIGO DAS ESCALAS
DA FMA E DOS MODELOS LINEARES PROPOSTOS............. 76
TABELA 37 - DISTRIBUIÇÃO DAS OCORRÊNCIAS DE INCÊNDIOS

DA FMA E DOS MODELOS EXPONENCIAIS PROPOSTOS.... 78
TABELA 38 - DISTRIBUIÇÃO DAS ÁREAS QUEIMADAS OBSERVADAS

EM CADA NÍVEL DE PERIGO DAS ESCALAS DA FMA E
DOS MODELOS LINEARES PROPOSTOS............................... 79
TABELA 39 - DISTRIBUIÇÃO DAS ÁREAS QUEIMADAS OBSERVADAS

EM CADA NÍVEL DE PERIGO DAS ESCALAS DA FMA E
DOS MODELOS EXPONENCIAIS PROPOSTOS...................... 81
TABELA 40 - DISTRIBUIÇÃO DAS ÁREAS QUEIMADAS MÉDIAS POR

INCÊNDIOS OBSERVADAS EM CADA NÍVEL DE PERIGO
DAS ESCALAS DA FMA E DOS MODELOS LINEARES
PROPOSTOS.............................................................................. 82
TABELA 41 - DISTRIBUIÇÃO DAS ÁREAS QUEIMADAS MÉDIAS POR

DAS ESCALAS DA FMA E DOS MODELOS EXPONENCIAIS
PROPOSTOS.............................................................................. 84
TABELA 42 - QUANTIDADE DE DIAS EM QUE OS ÍNDICES PREVIRAM

OCORRÊNCIA E NÃO OCORRÊNCIA DE INCÊNDIOS E OS
RESPECTIVOS DIAS COM E SEM INCÊNDIOS PARA A FMA
E PARA OS MODELOS PROPOSTOS....................................... 85
TABELA 43 - VALORES OBTIDOS DE SKILL SCORE E PORCENTAGEM

DE SUCESSO PARA A FMA E PARA OS MODELOS
PROPOSTOS.............................................................................. 86
xii
+
TABELA 44 - ESCALA DE PERIGO PARA A FMA ......................................... 88
TABELA 45 - DISTRIBUIÇÃO DO NÚMERO DE DIAS PREVISTOS EM

CADA NÍVEL DE PERIGO DAS ESCALAS DA FMA AFERIDA
PARA OS MODELOS SELECIONADOS.................................... 89
TABELA 46 - DISTRIBUIÇÃO DO NÚMERO DE INCÊNDIOS

REGISTRADOS EM CADA NÍVEL DE PERIGO DAS
ESCALAS DA FMA AFERIDA PARA OS MODELOS
SELECIONADOS........................................................................ 91
TABELA 47 - DISTRIBUIÇÃO DA ÁREA QUEIMADA EM CADA NÍVEL DE

PERIGO DAS ESCALAS DA FMA AFERIDA PARA OS
MODELOS SELECIONADOS..................................................... 92
TABELA 48 - DISTRIBUIÇÃO ÁREA QUEIMADA MÉDIA POR INCÊNDIO

EM CADA NÍVEL DE PERIGO DAS ESCALAS DA FMA
AFERIDA PARA OS MODELOS SELECIONADOS.................... 94
TABELA 49 - QUANTIDADE DE DIAS EM QUE OS ÍNDICES PREVIRAM

OCORRÊNCIA E NÃO OCORRÊNCIA DE INCÊNDIOS E OS
RESPECTIVOS DIAS COM E SEM INCÊNDIOS PARA OS
MODELOS SELECIONADOS..................................................... 95
TABELA 50 - TABELA DE CONTINGÊNCIA PARA O MODELO FMAVE1...... 95
TABELA 51 - CÁLCULOS PARA O MODELO FMAVE1................................... 95
TABELA 52 - TABELA DE CONTINGÊNCIA PARA O MODELO FMAVE2...... 95
TABELA 53 - CÁLCULOS PARA O MODELO FMAVE2................................... 95
TABELA 54 - VALORES OBTIDOS DE SKILL SCORE E PORCENTAGEM

DE SUCESSO PARA OS MODELOS SELECIONADOS............ 96
TABELA 55 - RESTRIÇÕES DA FMA+ EM FUNÇÃO DA QUANTIDADE DE

CHUVA DO DIA........................................................................... 98
+
TABELA 56 - ESCALA DE PERIGO DA FMA ............................................. 98
xiii
LISTA DE FIGURAS
FIGURA 1 - DISTRIBUIÇÃO DAS REGIÕES DE ESTUDO NO ESTADO DO

PARANÁ....................................................................................... 40
FIGURA 2 - LOCALIZAÇÃO DO MUNICÍPIO DE TELÊMACO BORBA NO

ESTADO DO PARANÁ................................................................. 41
FIGURA 3 - DISTRIBUIÇÃO DAS REGIÕES DE ESTUDO NO MAPA

CLIMÁTICO DO PARANÁ............................................................ 42
FIGURA 4 - DISTRIBUIÇÃO DAS REGIÕES DE ESTUDO NO MAPA DE

UMIDADE RELATIVA MÉDIA ANUAL DO ESTADO DO PARANÁ.... 43

PRECIPITAÇÃO MÉDIA ANUAL DO ESTADO DO PARANÁ............. 43

TEMPERATURA MÉDIA ANUAL DO ESTADO DO PARANÁ............ 44
FIGURA 7 UMIDADE RELATIVA MÍNIMA ABSOLUTA NAS REGIÕES

ESTUDADAS PARA O PERÍODO DE 01/06/1998 A 31/05/2003 55
FIGURA 8 UMIDADE RELATIVA MÉDIA NAS REGIÕES ESTUDADAS

PARA O PERÍODO DE 01/06/1998 A 31/05/2003....................... 55
FIGURA 9 NÚMERO DE DIAS SEM CHUVA NAS REGIÕES

FIGURA 10 NÚMERO DE DIAS SEM CHUVA NAS REGIÕES

FIGURA 11 VENTO MÁXIMO NAS REGIÕES ESTUDADAS PARA O

PERÍODO DE 01/06/1998 A 31/05/2003...................................... 59
FIGURA 12 VENTO MÉDIO NAS REGIÕES ESTUDADAS PARA O

PERÍODO DE 01/06/1998 A 31/05/2003...................................... 59
FIGURA 13 - FATORES DE PROPAGAÇÃO LINEARES............................................. 70
FIGURA 14 - FATORES DE PROPAGAÇÃO EXPONENCIAIS.................................... 71
FIGURA 15 - PORCENTAGEM DO NÚMERO DE DIAS PREVISTOS EM

MODELOS LINEARES PROPOSTOS......................................... 74

MODELOS EXPONENCIAIS PROPOSTOS................................ 75
xiv
FIGURA 17 - PORCENTAGEM DE INCÊNDIOS INCÊNDIOS OCORRIDOS,
DA FMA E DOS MODELOS LINEARES PROPOSTOS............... 77
FIGURA 18 - PORCENTAGEM DE INCÊNDIOS OCORRIDOS,

DA FMA E DOS MODELOS EXPONENCIAIS PROPOSTOS..... 78
FIGURA 19 - PORCENTAGEM DE ÁREAS QUEIMADAS OBSERVADAS EM

MODELOS LINEARES PROPOSTOS......................................... 80
FIGURA 20 - PORCENTAGEM DE ÁREAS QUEIMADAS OBSERVADAS EM

MODELOS EXPONENCIAIS PROPOSTOS................................ 81
FIGURA 21 - PORCENTAGEM DAS ÁREAS MÉDIAS QUEIMADAS POR

INCÊNDIOS OBSERVADAS EM CADA NÍVEL DE PERIGO DAS
ESCALAS DA FMA E DOS MODELOS LINEARES PROPOSTOS.... 83
FIGURA 22 - PORCENTAGEM DAS ÁREAS MÉDIAS QUEIMADAS POR

DAS ESCALAS DA FMA E DOS MODELOS EXPONENCIAIS
PROPOSTOS............................................................................... 84
FIGURA 23 - VALORES OBTIDOS DE SKILL SCORE PARA A FMA E

PARA OS MODELOS PROPOSTOS........................................... 87
FIGURA 24 - VALORES OBTIDOS DE PORCENTAGEM DE SUCESSO

PARA A FMA E PARA OS MODELOS PROPOSTOS................. 87

CADA NÍVEL DE PERIGO DAS ESCALAS DA FMA AFERIDA
PARA OS MODELOS SELECIONADODS................................... 90
FIGURA 26 - PORCENTAGEM DE INCÊNDIOS OCORRIDOS EM CADA

NÍVEL DE PERIGO DAS ESCALAS DA FMA AFERIDA PARA
OS MODELOS SELECIONADOS................................................ 91
FIGURA 27 - PORCENTAGEM DE ÁREA QUEIMADA EM CADA NÍVEL DE

PERIGO DAS ESCALAS DA FMA AFERIDA PARA OS
MODELOS SELECIONADOS....................................................... 93
FIGURA 28 - ÁREA QUEIMADA MÉDIA EM CADA NÍVEL DE PERIGO DAS

ESCALAS DA FMA AFERIDA PARA OS MODELOS
SELECIONADOS.......................................................................... 94
FIGURA 29 - VALORES OBTIDOS DE SKILL SCORE DA FMA AFERIDA

PARA OS MODELOS SELECIONADOS...................................... 96
FIGURA 30 - VALORES OBTIDOS DE PORCENTAGEM DE SUCESSO DA

FMA AFERIDA PARA OS MODELOS SELECIONADOS............ 97
xv
RESUMO
O presente trabalho foi desenvolvido a partir de dados meteorológicos das

regiões de Cambará, Campo Mourão, Cândido de Abreu, Cascavel, Guarapuava,
Londrina, Palmas, Paranavaí e Pinhais e de dados meteorológicos e de ocorrência de
incêndios florestais da região de Telêmaco Borba, Estado do Paraná, Brasil. Os objetivos
consistiram em aperfeiçoar a Fórmula de Monte Alegre (FMA), por meio da inclusão da
variável velocidade do vento no índice e desenvolver equações que estimem os valores
da Umidade Relativa às 13:00 h por meio dos dados das 9:00 e 15:00 h, que são os
padrões utilizados nas estações meteorológicas da rede oficial brasileira. As variáveis
meteorológicas utilizadas foram a umidade relativa das 9:00, 13:00 e 15:00 h, a
precipitação diária e a velocidade do vento às 13:00 h. As variáveis referentes aos
incêndios florestais foram a data de ocorrência, a hora de início e de término e a área
queimada. Os dados se referem a um período de 5 anos, compreendido entre 01/06/1998
e 31/05/2003. Foram realizadas análises do comportamento das variáveis meteorológicas
para todas as regiões estudadas. A fim de se fazer a correção da umidade relativa foram
desenvolvidas equações de regressão para cada região. As equações que apresentaram
melhores resultados com base na análise dos coeficientes de determinação (R2) e dos
erros-padrão residuais (sy..x) foram submetidas à análise de covariância e aquelas
consideradas estatisticamente semelhantes foram combinadas, dando origem a uma
equação geral que estima a umidade relativa das 13:00 h (UR13) com dados das 9:00 h
(UR09) e outra que estima a umidade relativa das 13:00 com dados das 15:00 h (UR15)
para o estado do Paraná. A melhor equação para o primeiro caso foi
(2,72976 + 0,0162192 UR )
UR13 = e 09
e a melhor equação para o segundo caso foi

UR13 = 2,451510 UR15 0,796072.
Com o fim de se incluir a velocidade do vento na Fórmula de Monte Alegre foram
propostos modelos lineares e exponenciais e desenvolvidos programas computacionais
com o fim de gerar os índices produzidos por esses modelos para a região de Telêmaco
Borba. Com base nos dados de ocorrência de incêndios florestais os modelos tiveram a
sua eficiência testada pelo teste skill score. Foram selecionados dois modelos
exponenciais, que apresentaram os melhores resultados pelo skill score. Como os
modelos selecionados usavam as classes de perigo originais, definidas na Fórmula de
Monte Alegre, foi necessária a definição de novas classes que fossem mais adequadas
aos novos modelos. Foram realizadas análises numéricas e gráficas em cada uma
dessas variáveis com o objetivo de se definir os limites de cada classe de grau de perigo.
Uma vez definidos os critérios, foram propostas novas classes de perigo para os modelos
selecionados. A partir dos resultados gerados pelo programa e dos dados de incêndios os
modelos selecionados foram novamente analisados e submetidos à análise de
desempenho, utilizando-se o skill score e as porcentagens de sucesso para os mesmos,
permitindo assim a definição do melhor modelo a ser incorporado na Fórmula de Monte
Alegre, que passou a ter a seguinte representação:
n
0,04 v
FMA + = Σ (100 / Hi) e
i =1
xvi
ABSTRACT
This research was based on meteorological data from Cambará, Campo

Mourão, Cândido de Abreu, Cascavel, Guarapuava, Londrina, Palmas, Paranavaí and
Pinhais regions and meteorological data and forest fire occurrences from Telêmaco Borba
county, Paraná State, Brazil. The main objectives were to improve the Formula de Monte
Alegre (FMA) through the inclusion of the wind speed to the index and to develop
equations that estimate the values of the Relative Humidity at 13:00 h, from the data of
9:00 and 15:00 h, the standard times used in the meteorological stations of the
Brazilian official network. The meteorological variables used were the relative
humidity of 9:00, 13:00 and 15:00 h, the daily precipitation and the wind speed at
13:00 h. The forest fires variables were the date of occurrence, detection and
suppressing time and the burned area. The collected data referred to a period of 5
years, between June/1998 and May/2003. Equations to estimate the 13:00 h relative
humidity for each region were developed. The equations that presented better fits
based on the determination coefficients (R2) and the standard error of residues (sy.x)
were submitted to the covariance analysis. The similar equations were combined to
generate a general equation that estimates the relative humidity at 13:00 (UR13) based
on the 9:00 h data (UR09) and a general equation that estimates the relative humidity at
13:00 based on the 15:00 h data (UR15) for the Paraná State. The equation for the first
case was
(2,72976 + 0,0162192 UR )
UR13 = e 09
and for the second case was

UR13 = 2,451510 UR15 0,796072.
To include the wind speed in the FMA, linear and exponential models had been
considered. Computational programs had been developed to generate the indices
produced by those models for the Telêmaco Borba region. Based on the forest fire
occurrence data, the efficiency of the models was tested using the skill score test. Two
exponential models were selected, that presented the best results under the skill score
test. The selected models used the original fire danger classes but definition of new
classes were necessary, adjusted to the new models. Numerical and graphical analisys to
define the limits of each danger class had been carried out. An update in the program was
made to calculate the danger index of selected models, including the new danger classes.
From the results generated for the program and the fire data, the selected models had
been again analyzed and submitted to a performance analyses, using skill score and the
percentages of success. This method allowed the definition of the best model to
incorporate wind speed to the Monte Alegre Formula that was:
n
0,04 v
FMA + = Σ (100 / Hi) e
i =1
xvii
RESUMEN
Esta investigación fue desarrollada a partir de datos meteorológicos de las

regiones de Cambará, Campo Mourão, Cândido de Abreu, Cascavel, Guarapuava,
Londrina, Palmas, Paranavaí y de Pinhais y de datos meteorológicos y ocurrencia de
incendios forestales en la región de Telêmaco Borba, Estado del Paraná, Brasil. El
principal objetivo consistió en perfeccionar la Fórmula de Monte Alegre (FMA), a través de
la inclusión de la velocidad del viento al índice y en desarrollar las ecuaciones para
estimar los valores de la humedad relativa a las 13:00 h, con los datos de las 9:00 y de las
15:00 h, que son usados en las estaciones meteorológicas de la red oficial brasileña. Las
variables meteorológicas usadas fueron la humedad relativa de las 9:00, 13:00 y 15:00 h,
la precipitación diaria y la velocidad del viento a las 13:00 h.
Las variables de los incendios forestales fueron la fecha de la ocurrencia del
fuego, la hora del inicio y de término del fuego y la área afectada. Los datos si refieren a
un período de 5 años, comprendido entre 01/06/1998 al 31/05/2003. Con el propósito de
hacer la corrección de la humedad relativa para cada región fueron desarrolladas
ecuaciones de regresión. Las mejores ecuaciones fueron sometidas a una análisis de
covariancia y las ecuaciones consideradas estadísticamente similares deram origen a una
ecuación general que estima la humedad relativa de las 13:00 (UR13) a través de los
datos de las 9:00 h (UR09) y una otra que estima la humedad relativa de las 13:00 a través
de los datos de las 15:00 h (UR15) en el Estado del Paraná. La mejor ecuación para el
primer caso fue
(2,72976 + 0,0162192 UR )
UR13 = e 09
y la mejor equação para el segundo caso fue

UR13 = 2,451510 UR15 0,796072.
Con el objetivo de se incluyir la velocidad del viento en la Fórmula de Monte Alegre,
modelos lineares y exponenciales fueram considerados. Programas computacionales
fueram desarrollados para generar los índices producidos para estos modelos para la
región de Telêmaco Borba. Con basis en los datos de las ocurrencias de incendios, los
modelos fueron testados por el método skill score. Dos modelos exponenciales que
habían presentado los mejores resultados por el método skill score fueram seleccionados.
Como los modelos seleccionados utilizaron las clases de peligro definido en la Fórmula
de Monte Alegre, la definición de nuevas clases fue necesaria, ajustadas a los nuevos
modelos. Análisis numéricas y gráficas fueron realizadas en cada una de estas variables
con el objetivo de si definir los límites de cada clase de peligro. Una alteración en el
programa fue hecha para calcular los índices de peligro con los modelos seleccionados,
incluyendo las nuevas clases de peligro definidas. De los resultados generados por el
programa y de los datos de incendios forestales, los modelos seleccionados fueram
nuevamente analisados por el metodo skill score, así permitiendo la definición del mejor
modelo a ser incorporado a la Fórmula de Monte Alegre que pasa a tener la siguiente
representación:
n
0,04 v
FMA + = Σ (100 / Hi) e
i =1
xviii
1
1 INTRODUÇÃO
Os incêndios florestais no Brasil tornam-se a cada ano mais críticos, com

o aumento da extensão da área queimada. A falta de um programa institucional
consistente é um dos grandes problemas que contribuem para que este cenário se
agrave, apesar do constante aperfeiçoamento das técnicas de controle de incêndios
florestais disponíveis. A melhoria das técnicas de prevenção e combate não pode
ser conseguida pela simples adoção de tecnologias que outros países já
desenvolveram, mas sim por meio de programas que visem buscar, aprimorar e
aproveitar as experiências existentes, desenvolver novas tecnologias, fazendo-se a
devida adequação à realidade brasileira.
A superfície territorial do país é muito grande, ocupada por diversas
tipologias vegetais que apresentam comportamentos diferenciados do fogo, e
exigem diferentes técnicas de prevenção e combate. A forma de ocupação
desordenada e nômade do território brasileiro, na busca de novas fronteiras
agrícolas ou pastoris, contribui de forma significativa para a ocorrência de grandes
incêndios, desestabilizando certos ecossistemas e provocando danos irreparáveis ao
meio ambiente, à propriedade e à própria vida humana.
No Estado do Paraná a cobertura florestal vem se reduzindo ao longo das
últimas décadas, seja em função da exploração comercial da matéria-prima florestal,
seja pela expansão da fronteira agrícola. Aliada à crescente busca pela produção de
alimento e de produtos florestais, a ocorrência de incêndios florestais vem
preocupando os órgãos responsáveis pela política florestal do Estado pelos
prejuízos por eles causados, tanto no aspecto econômico quanto na biodiversidade.
Anualmente são observadas várias ocorrências de incêndios em áreas de
reflorestamento, áreas de campo nativo e unidades de conservação sob
administração estadual e federal, o que é extremamente preocupante pelos danos
causados à flora, à fauna e ao solo.
A partir de 1963, quando o fogo consumiu cerca de 2.000.000 de
hectares, incluindo florestas, capoeiras, campos e lavouras, entre outros, o Estado
do Paraná vem sofrendo grandes prejuízos ambientais e econômicos em
decorrência dos incêndios florestais.
2
A ocorrência e a propagação dos incêndios florestais estão fortemente

associados às condições climáticas ou fatores climáticos. A intensidade de um
incêndio e a velocidade com que ele avança estão diretamente ligados à umidade
relativa, temperatura e velocidade do vento. A utilização de dados meteorológicos e
climatológicos precisos é, portanto, vital para o planejamento de prevenção e
combate aos incêndios florestais.
A vocação agrícola e florestal do Estado do Paraná requer um
monitoramento permanente dos fatores que influem na possibilidade de ocorrência
de incêndios florestais. Com base nessas características próprias do estado e
levando em conta a experiência de longos anos de pesquisa sobre o assunto,
evidenciou-se a necessidade de aprimorar o índice de perigo usado no Estado do
Paraná.
As técnicas de combate a incêndios florestais existentes atualmente,
mesmo com seus elevados custos, tem alcançado grande avanço mas as técnicas
de prevenção não apresentaram o mesmo rítmo de evolução. Vale ressaltar que
dentre as medidas preventivas existentes, a utilização de um índice de perigo
confiável é fator fundamental para um planejamento mais eficiente das medidas de
prevenção e para a adoção de ações rápidas e efetivas nas atividades de combate
aos incêndios florestais, visando a redução das perdas e, conseqüentemente, dos
prejuízos financeiros advindos da ocorrência de eventos catastróficos.
Outras utilidades dos índices de perigo de incêndio são o estabelecimento
de zonas de risco, possibilitando um melhor planejamento das atividades de
prevenção contra incêndios florestais, a definição da estação de incêndios, a
permissão para queimas controladas em períodos menos perigosos, a previsão do
comportamento do fogo visando a adoção de técnicas mais efetivas de combate e a
advertência pública do grau de perigo, fator importantíssimo nos programas de
educação ambiental, informando à população por meio de veículos de comunicação
para que sejam adotadas medidas preventivas e em casos extremos, limitando o
acesso a áreas de risco e proibindo o uso de fogo em locais próximos à floresta.
Não basta que um índice de perigo tenha uma sólida base científica. É
necessário que ele também seja simples e eficiente para que possa ser adotado e
adaptado pelos usuários às reais condições de sua região e, assim, efetivamente utilizado.
3
1.1 JUSTIFICATIVA
A importância desse trabalho está diretamente ligada às características do

Estado do Paraná, cujo território é ocupado em boa parte pelo setor florestal e agrícola e cujo
clima oferece condições de ocorrência de incêndios florestais, assim como os prejuízos
econômicos que podem ser evitados com a prevenção de eventos dessa natureza.
Apesar de vir sendo usada com sucesso no Estado do Paraná, assim como em
outras regiões do país e em alguns países da América do Sul e da África, a Fórmula de
Monte Alegre (FMA) (SOARES, 1972b) é um índice de perigo baseado em variáveis
meteorológicas e enfatiza o aspecto da probabilidade de ignição, ou seja, indica a
possibilidade de um incêndio ter início, desde que haja uma fonte de fogo.
A inclusão de uma variável que permita à Fórmula de Monte Alegre
avaliar também o potencial de propagação do incêndio é de grande importância para
seu aperfeiçoamento, tornando-a mais eficiente, tanto na prevenção quanto no
combate aos incêndios que estejam ocorrendo. A velocidade do vento é uma
variável meteorológica que possui grande influência na propagação de um incêndio
florestal e a sua inclusão na Fórmula de Monte Alegre pode torná-la mais eficiente.
A Fórmula de Monte Alegre utiliza a umidade relativa das 13:00 h.
Em muitos casos estão disponíveis os dados das 9:00 ou 15:00 h, que são os
padrões utilizados nas estações meteorológicas convencionais da rede oficial
brasileira, mas não existe o dado das 13:00 h. Neste caso, só é possível a
utilização da Fórmula de Monte Alegre realizando o ajuste dos valores da
umidade relativa das 9:00 ou das 15:00 h para as 13:00 h.
1.2 OBJETIVOS
O objetivo principal desse trabalho foi aperfeiçoar a Fórmula de Monte

Alegre, por meio da inclusão da variável velocidade do vento, ao índice para que,
além da probabilidade de ignição, como ocorre atualmente, o novo índice reflita
também o potencial de propagação dos incêndios florestais.
O objetivo secundário foi desenvolver equações que estimem os valores
da Umidade Relativa às 13:00 h, por meio dos dados das 9:00 e 15:00 h, que são os
padrões utilizados nas estações meteorológicas da rede oficial brasileira.
4
2 REVISÃO DE LITERATURA
2.1 INCÊNDIOS FLORESTAIS
Historicamente o fogo está intimamente ligado à evolução humana.

Segundo BROWN e DAVIS (1973), desde o início da civilização o fogo tem sido
utilizado por todas as culturas com o fim de modificar o ambiente, visando satisfazer
às necessidades humanas. O autor considera o fogo um fenômeno natural que
possui uma forte relação com a floresta.
Certos biomas como o cerrado brasileiro convivem com o fogo e
dependem dele para que determinadas espécies possam se regenerar e propagar.
No caso do cerrado o fogo é um fenômeno cíclico e ocorre quando existe acúmulo
de combustíveis florestais nessas áreas.
Com a evolução da espécie humana e o desenvolvimento de suas
atividades, os incêndios florestais passaram a constituir uma fonte de perturbação
permanente, acarretando perdas e danos materiais (MIRANDA, 1993). O uso do
fogo pelo homem tem desempenhado um papel fundamental na distribuição e
manutenção de determinados ecossistemas artificiais como pastagens e áreas
agrícolas e, segundo PYNE (1984), também em ecossistemas naturais como
florestas, favorecendo a regeneração e o estado fitossanitário e, conseqüentemente,
mantendo a produtividade dos mesmos.
Incêndio florestal é o termo utilizado para definir um fogo incontrolado
que se propaga livremente e consome os diversos tipos de material combustível
existentes em uma floresta. Um incêndio florestal não deve ser confundido com a
queima controlada, que é a utilização do fogo em uma área, sob determinadas
condições de clima, umidade do combustível, umidade do solo e outras, produzindo
a intensidade de calor e a taxa de propagação necessárias para favorecer certos
objetivos de manejo (SOARES, 1985).
2.2 RISCO E PERIGO DE INCÊNDIOS FLORESTAIS
De acordo com CHENEY (1968), perigo de incêndio (fire danger) pode

ser definido como “o termo geral que expressa o resultado dos fatores constantes e
5
variáveis, que afetam as chances de um incêndio se iniciar, se propagar e provocar

danos, e a dificuldade de controlá-lo”.
Segundo BROWN e DAVIS (1973) o perigo de incêndio (fire danger)
está relacionado ao material combustível definido pelo tipo, arranjo, quantidade,
condição e localização, criando uma condição especial de ameaça de ignição. O
risco de incêndio (fire risk) está relacionado à probabilidade do fogo iniciar pela
presença e/ou atividade de agentes causadores.
Segundo CASTAÑEDA (1997), o risco de incêndio é composto pela
vulnerabilidade e pelo fator de ameaça a que está submetido o ambiente. A
vulnerabilidade depende do material combustível, da topografia, das condições
climáticas e do tipo de solo. O fator de ameaça diz respeito à existência de agentes
naturais e antrópicos que dão início ao processo de combustão.
Para SOHO (1999), o risco de incêndio (fire risk) representa a chance de
um incêndio ter início, em função da existência de agentes de ignição. Perigo de
incêndio (fire hazard) é composto pelo risco de incêndio (fire risk) e pelas condições
de presença de combustível, clima e topografia.
BACHMANN (2001) define perigo de incêndio (fire danger) como a
percepção humana do perigo. Fire hazard corresponde à ocorrência do evento em si
e fire risk é caracterizado pela probabilidade do incêndio ocorrer e pelas proporções
dos efeitos que ele pode causar.
Segundo OLIVEIRA (2002), o risco de incêndio depende de
variáveis que podem influir tanto na disponibilidade da fonte de fogo para o
seu início, como nas condições que favorecem a sua propagação, como o tipo
de vegetação, as características do material combustível, a topografia e as
condições meteorológicas.
De uma maneira geral, o risco está mais relacionado a agentes
disparadores, enquanto o perigo a causas que aumentam ou diminuem a
probabilidade de sua ocorrência. No entanto, tão ou mais importante do que
apresentar as visões terminológicas e conceituais é explorar os vários fatores
determinantes do risco e do perigo de incêndios florestais.
6
2.2.1 Agentes Determinantes do Risco
Os agentes determinantes do risco de incêndios podem ser naturais e

antrópicos. A única causa natural de incêndios florestais são os raios, que
representam uma porcentagem muito pequena da ocorrência de incêndios. As
demais causas são de natureza antrópica e são apresentadas a seguir (SOARES,
1985; HEIKKILÄ et al 1993):
a) Incendiários - incêndios provocados intencionalmente por pessoas, em

propriedades alheias seja por vingança ou problemas mentais.
b) Queimas para limpeza - incêndios originários do uso do fogo na limpeza de
terreno, seja para fins florestais, agrícolas ou pecuários, e que tenha
escapado ao controle e atingido áreas florestais.
c) Fumantes - incêndios provocados por fósforos ou pontas de cigarro aceso.
d) Recreação - incêndios causados por pessoas que utilizam a floresta como
local de recreação.
e) Estradas de ferro - incêndios causados direta ou indiretamente pelas
atividades das ferrovias.
f) Operações florestais - incêndios originados por trabalhadores florestais em
atividade na floresta.
Segundo HEIKKILÄ et al (1993), a melhor forma de reduzir a ocorrência e

as causas de incêndios florestais é por meio da implantação de programas
educacionais, utilizando as mais diversas formas de comunicação.
2.2.2 Agentes Determinantes do Perigo
Segundo CHENEY (1968), existem dois tipos de fatores determinantes do

grau de perigo do incêndio: os fatores constantes, tais como o tipo de material
combustível, tipo de floresta e o relevo e os fatores variáveis, entre os quais a
umidade do material combustível e as condições climáticas como a velocidade e a
direção do vento, a umidade relativa, a temperatura, o ponto de orvalho, a
precipitação e a instabilidade atmosférica.
7
McARTHUR (1966, 1966a) desenvolveu vários estudos relativos ao perigo

de incêndios e ao comportamento do fogo na Austrália. Foram desenvolvidas várias
tabelas com índices de risco, que posteriormente NOBLE et al (1980) transformaram
em equações. As variáveis meteorológicas utilizadas foram a temperatura do ar, a
umidade relativa e a velocidade média do vento.
Segundo SOARES (1984), a possibilidade e a frequência dos incêndios
florestais está fortemente relacionada às condições atmosféricas locais. O
conhecimento das variáveis meteorológicas é importante para a prevenção e o
combate aos incêndios florestais. A partir do estudo dessas variáveis meteorológicas
é possível determinar os períodos de maior probabilidade de ocorrência de incêndios
florestais, possibilitando a adoção de medidas que visem a prevenção e os danos
causados pelo fogo.
VÁZQUEZ e MORENO (1993), estudando a ocorrência de incêndios na
Espanha, observaram a grande relação dessas ocorrências com as variáveis
meteorológicas
Diversas características do ambiente têm influência sobre o início, a
propagação e a intensidade dos incêndios florestais, tais como o material
combustível, as condições climáticas, o relevo e o tipo de cobertura vegetal.
2.2.3 Características do Material Combustível
De acordo com CHANDLER (1991), de uma maneira geral, material

combustível é qualquer substância ou composto susceptível à ignição e
combustão. O mesmo autor define fitomassa ou combustível de um sítio como a
quantidade de matéria vegetal viva ou morta, que se encontra sobre o solo
mineral. RIBEIRO (1997) define material combustível como todo e qualquer tipo
de matéria orgânica, viva ou morta, encontrada no ambiente, capaz de entrar
em combustão e queimar.
A quantidade de material combustível em uma floresta pode variar
significativamente, dependendo do tipo, espaçamento e idade da vegetação. A
estimativa da quantidade de combustível, geralmente expressa em termos de peso
seco ao forno por unidade de área, é fator importante em planos de prevenção e
controle de incêndios, especialmente em programas de queima controlada. A
8
quantidade de material combustível disponível depende de várias outras

propriedades, particularmente a proporção de material vivo e morto, o tamanho das
partículas, o conteúdo de umidade e sua continuidade. A quantidade de combustível
disponível em uma floresta geralmente situa-se entre 70 e 80% do material menor
que 2,5 cm de diâmetro (SOARES, 1985).
2.2.3.1 Tipos de materiais combustíveis
Segundo SOARES (1985), quanto ao tipo, os materiais combustíveis

podem ser divididos em perigosos, semi-perigosos e verdes. Os materiais
combustíveis perigosos são todos os materiais secos com diâmetro igual ou inferior
a 1,0 cm constituídos de pequenos galhos, folhas, liquens, musgos e gramíneas.
Esses materiais, por apresentarem menor temperatura de ignição, facilitam o início
do fogo e aceleram a propagação, queimando rapidamente com muito calor e
chamas intensas. Estes materiais perdem umidade rapidamente, sendo a principal
matéria consumida pelo fogo.
Materiais combustíveis semi-perigosos são todos os materiais secos com
diâmetro acima de 1,0 cm. São compostos de galhos, troncos caídos, húmus e turfa.
São constituídos pelos materiais lenhosos ou em decomposição e compactados que,
por suas características, queimam lentamente. Apesar de apresentarem uma ignição
mais lenta e mais difícil, esses materiais desenvolvem intenso calor e podem manter
uma combustão latente, o que pode provocar o reinício de incêndios dados como
controlados (SOARES, 1985).
Os materiais combustíveis verdes são constituídos pela vegetação viva
existente na floresta. Devido ao alto teor de umidade, os combustíveis verdes,
exceto as coníferas resinosas, são às vezes considerados não-inflamáveis. No
entanto, o calor liberado pela combustão dos outros combustíveis pode provocar a
secagem desses materiais, tornando-os facilmente inflamáveis (CHANDLER, 1983;
PYNE, 1984).
9
2.2.3.2 Arranjo do material combustível
O arranjo do material combustível é outro fator importante na

propagação dos incêndios florestais e reflete a sua distribuição dentro dos
estratos florestais, tanto de forma vertical como horizontal (SOARES, 1985;
BATISTA, 1990).
Segundo REGO e BOTELHO (1990), a distribuição reflete a posição dos
combustíveis florestais dentro do estrato florestal. A distribuição vertical ou
continuidade vertical dos combustíveis possui grande importância na transformação,
ou não, de incêndios superficiais em incêndios de copa. Isto porque o acúmulo
vertical dos materiais combustíveis acaba formando a denominada “escada de fogo”,
que possibilita às chamas alcançarem as copas das árvores. A distribuição
horizontal dos combustíveis possui grande importância para a continuidade do
material combustível, sendo responsável pela propagação do fogo.
A continuidade refere-se à distribuição dos combustíveis sobre uma
determinada área. Se a distribuição é uniforme e as partículas de combustível estão
próximas umas das outras, o calor se transfere com facilidade e o incêndio se
propaga normalmente. Havendo descontinuidade de combustível, causada por
afloramento de rochas, solo exposto ou áreas alagadas, entre outros fatores, a
propagação do fogo é dificultada ou, em certos casos, até mesmo interrompida
(SOARES, 1985).
A uniformidade refere-se à distribuição espacial dos combustíveis no
estrato florestal, ou seja, à existência ou não de integração entre os combustíveis
superficiais e os aéreos, e ao fato de esta integração ser feita de material
combustível perigoso (CHANDLER, 1983; PYNE, 1984).
A compactação, segundo SOARES (1985), se refere à quantidade de
combustível por unidade de volume, ou seja, representa o grau de proximidade entre
as partículas de combustíveis. Quanto maior for a circulação do ar entre as
partículas, maior será a quantidade de oxigênio presente no processo de
combustão, onde o resultado observado é a maior taxa de propagação das chamas.
Uma menor quantidade de oxigênio, em consequência de uma maior compactação
das partículas, produz menos calor e uma taxa de propagação menor.
10
2.2.3.3 Umidade do material combustível
A umidade do material combustível expressa a porcentagem de água

contida no mesmo, em relação ao seu peso seco. A primeira influência da umidade
na combustão do material florestal é a necessidade da grande quantidade de
energia requerida para transformar em vapor a água existente no combustível. Isto
representa uma redução na quantidade de calor disponível para a combustão
propriamente dita (SCHROEDER e BUCK ,1970).
Segundo SOARES (1985), o efeito da umidade do combustível na
taxa de combustão do material lenhoso e na propagação dos incêndios é tão
pronunciado e evidente que nenhuma medição é necessária para demonstrar
sua importância pois o material combustível com alto teor de umidade não
queima. Isto se deve à denominada “umidade de extinção”, que é um
determinado valor do conteúdo de umidade (25 a 30%) dos materiais
combustíveis que impede a combustão e a propagação dos incêndios. O
combustível não queima porque é necessária a utilização de uma grande
quantidade de energia para vaporizar a água existente no mesmo,
ocasionando a redução da quantidade de calor disponível para a combustão
propriamente dita.
Segundo REGO e BOTELHO (1990), a umidade do material combustível
determina a quantidade de calor requerida para que ocorra a ignição da matéria
vegetal.
BATISTA (1990) cita que os combustíveis vivos e mortos têm
diferentes mecanismos de retenção de água e diferentes respostas às
variações climáticas.
Os principais fatores meteorológicos que controlam a umidade do material
combustível morto são a precipitação, a umidade relativa do ar e a temperatura.
Vento e radiação solar são também fatores importantes na secagem do combustível,
mas eles exercem sua influência mais marcante, por meio de mudanças na
temperatura do combustível e na temperatura e umidade relativa da camada de ar
próxima aos combustíveis (SCHROEDER e BUCK ,1970).
11
2.2.4 Condições Climáticas
Para se ter um entendimento das relações entre o clima, a meteorologia e

os riscos de incêndios florestais, serão definidos primeiramente os conceitos
associados a clima e meteorologia.
Segundo BROWN e DAVIS (1973) o clima reflete os fenômenos
meteorológicos que ocorrem em uma área em um determinado período de tempo. É
expresso em médias, totais, extremos e frequências para os fenômenos
meteorológicos que ocorreram ou podem ocorrer.
A WORLD METEOROLOGICAL ORGANIZATION (1966), define clima
como a distribuição de probabilidade do tempo meteorológico. Ele está determinado
pelos parâmetros ou elementos meteorológicos médios que são encontrados em
uma região. Os elementos meteorológicos são caracterizados por médias climáticas
de 30 anos, de modo que o clima é definido pelas médias climáticas de todos os
elementos meteorológicos, que podem ser afetados pela altitude, latitude,
proximidade do mar, vegetação e pela atividade antrópica.
Segundo BROWN e DAVIS (1973), as condições do tempo podem variar
diariamente devido a um grande número de fatores. A radiação solar, fonte de
energia, é responsável pela maioria dessas mudanças. O outro fator é a rotação da
Terra. Como a intensidade da radiação solar é máxima no ponto em que os raios
incidem perpendicularmente à superfície terrestre, ela é responsável, indiretamente
pela temperatura do solo e do ar, gerando gradientes de pressão, responsáveis pela
formação e circulação das massas de ar, dando origem aos ventos.
No contexto dos incêndios florestais, outro aspecto importante a se
considerar à meteorologia é a escala de espaço e tempo dos fenômenos
meteorológicos. São considerados fenômenos meteorológicos de escala global
aqueles que ocorrem em uma escala da ordem de 5.000 km da superfície da Terra e
sua duração varia de semanas a meses. Exemplos de fenômenos de escala global
são a circulação do ar ao redor do globo terrestre e o fenômeno El Niño (NAYA,
1984).
Os fenômenos de escala sinótica, também conhecidos como “fenômenos
meteorológicos de macroescala”, são aqueles que ocorrem em uma escala de 2.000
km, podem durar dias ou semanas e têm importância nas características climáticas e
12
estações do planeta. O movimento das massas de ar, ciclones, anticiclones,

furacões e tempestades tropicais, são exemplos de fenômenos que ocorrem em
escala sinótica. A previsão do tempo se baseia na previsão do movimento dessas
grandes estruturas (SCHROEDER e BUCK ,1970; NAYA, 1984).
Quando os eventos ocorrem em uma escala de 10 a 100 km e duram
minutos, horas ou dias, são conhecidos como fenômenos de mesoescala. Exemplos
deste tipo de fenômeno são as brisas marítimas e terrestres, os ventos locais e de
vale, tornados, linhas de instabilidade e tempestades isoladas (SCHROEDER e
BUCK ,1970; NAYA, 1984).
Os fenômenos de microescala ocorrem em uma escala de até 1 km. As
diferenças locais de calor e frio, as interações solo-planta são exemplos de
fenômenos de microescala e podem durar de segundos até uma hora
(SCHROEDER e BUCK ,1970; NAYA, 1984).
A ocorrência dos incêndios florestais em uma região são afetados pelas
condições das camadas mais baixas da atmosfera em um determinado tempo e
pelas alterações climáticas ocorridas com o decorrer do tempo. Essas mudanças
ocorrem devido à natureza da atmosfera e das reações ao recebimento da energia
emitida pelo sol. Por este motivo, o conhecimento das variáveis meteorológicas é de
grande importância na prevenção dos incêndios. A partir das variáveis
meteorológicas é possível identificar os dias e as épocas de maior probabilidade de
ocorrência de incêndios e, com essas informações, pode-se tomar medidas técnicas
e administrativas para reduzir o potencial de danos pelo fogo (SCHROEDER e
BUCK ,1970).
As condições climáticas incluem vários fatores importantes na combustão
e propagação dos incêndios.
2.2.4.1 Radiação solar
Radiação é o processo pelo qual a Terra recebe energia calorífica do

Sol. Essa energia é produzida no Sol por fusão nuclear, onde o hidrogênio é
convertido em hélio. Nesse processo, uma parte infinitamente pequena da
massa do Sol é transformada em energia térmica (SCHROEDER e BUCK,
13
1970; SOARES e BATISTA, 2004).

A intensidade de radiação solar recebida nos limites da atmosfera
terrestre é constante. No entanto, a quantidade de energia que chega à
superfície da terra é muito variável e depende da quantidade de nuvens na
atmosfera. Parte da energia é refletida pelas nuvens e perdida no espaço. Na
ausência de nuvens, a maioria da radiação atravessa diretamente a atmosfera
e alcança a superfície terrestre (NAYA, 1984).
A presença de vapor d’água, ozônio e dióxido de carbono faz com que
radiações de certos comprimentos de onda sejam absorvidas. Da radiação que
atinge a superfície terrestre, parte é absorvida e parte é refletida. A radiação solar
que é absorvida pela Terra é convertida em energia térmica, produzindo
aquecimento na superfície, sendo importante para a vida na Terra e para os
processos meteorológicos originados deste aquecimento (SCHROEDER e BUCK
,1970; NAYA, 1984; VAREJÃO-SILVA e REIS, 1988; VIANELLO e ALVES,1991,
SOARES e BATISTA, 2004).
Segundo BROWN e DAVIS (1973), outro fator que afeta a quantidade de
radiação recebida na superfície da Terra é a inclinação dos raios solares. Isto varia
de acordo com a latitude, a estação do ano, a hora do dia e o relevo. Essa variação
de radiação cria um espectro de temperaturas variáveis que desencadeia vários
fenômenos meteorológicos e dá origem aos diversos tipos de clima existentes.
Vale ressaltar que a radiação solar influi direta ou indiretamente em todas
as demais variáveis meteorológicas (NAYA, 1984; VAREJÃO-SILVA e REIS, 1988;
VIANELLO e ALVES,1991; SOARES e BATISTA, 2004).
2.2.4.2 Temperatura do ar
Segundo SCHROEDER e BUCK (1970), temperatura é o grau de calor de

uma substância, medido em uma escala finita. A temperatura reflete o nível de
atividade molecular de um corpo. Calor e temperatura, entretanto, não devem ser
confundidos. Por exemplo, se uma atmosfera de gás é rapidamente reduzida à
metade de seu volume por meio do aumento de pressão, sua temperatura se elevará
significativamente mas seu conteúdo calorífico permanecerá o mesmo. Um grande
objeto pode apresentar uma temperatura muito mais baixa do que um pequeno
14
objeto, e ainda assim ter um maior conteúdo calorífico em razão do seu maior
número de moléculas.
A temperatura do ar influi direta e indiretamente na combustão e
propagação dos incêndios. Sua influência direta se refere à quantidade de calor
necessária para elevar o combustível à temperatura de ignição e depende da própria
temperatura inicial do combustível, como também da temperatura do ar em volta do
mesmo. Sua influência indireta esta relacionada com o efeito sobre os outros fatores
relacionados à propagação do fogo, entre os quais o vento, a umidade do
combustível e a estabilidade atmosférica (SCHROEDER e BUCK, 1970; SOARES,
1985).
Após a ocorrência da ignição, o efeito da temperatura inicial do
combustível sobre a combustão é bastante reduzido. Apesar disso, altas
temperaturas do ar estão geralmente associadas a grande risco de incêndio e
a altas taxas de propagação do fogo. O risco aumenta consideravelmente com
o aumento da temperatura do ar e a temperatura do combustível (SOARES,
1985).
2.2.4.3 Pressão atmosférica
Pressão atmosférica é a pressão exercida sobre a superfície terrestre pela

camada de ar que a circunda, ou seja, é o peso da atmosfera em um determinado
local (SCHROEDER e BUCK ,1970; NAYA, 1984; VAREJÃO-SILVA e REIS, 1988;
VIANELLO e ALVES,1991; SOARES e BATISTA, 2004).
De acordo com BROWN e DAVIS (1973) a pressão diminui com a altitude,
mas varia também com o tempo ao longo do dia. No entanto, a variação da pressão
associada ao movimento das massas de ar é o principal fator para fins
meteorológicos. Os sistemas de alta pressão, caracterizados por circulação
anticiclônica, ou no sentido dos ponteiros do relógio estão normalmente associados
a baixas temperaturas. Anticiclones caracterizam-se por uma circulação fechada
com os ventos soprando em sentido antihorário no Hemisfério Sul e horário no
Hemisfério Norte e a pressão torna-se progressivamente mais alta, à medida que se
move em direção ao centro. Sistemas de baixa pressão são caracterizados por uma
15
circulação ciclônica, que é uma circulação fechada, com os ventos soprando em

sentido horário no Hemisfério Sul e antihorário no Hemisfério Norte.
Segundo SCHROEDER e BUCK (1970), NAYA (1984), VAREJÃO-SILVA
e REIS (1988), e VIANELLO e ALVES (1991), quanto maior o gradiente de pressão,
ou seja, a diferença entre a pressão em um centro de alta pressão e um centro de
baixa pressão, maior a velocidade do vento, que sopra sempre no sentido da alta
para a baixa pressão.
2.2.4.4 Umidade relativa do ar
Segundo SCHROEDER e BUCK (1970), NAYA (1984), VAREJÃO-SILVA

e REIS (1988) e VIANELLO e ALVES (1991), a umidade relativa do ar é a razão, em
porcentagem, entre a quantidade de umidade para um volume de ar e a quantidade
total que aquele volume pode manter para uma dada temperatura e pressão
atmosférica.
A umidade atmosférica é um elemento chave nos incêndios florestais,
tendo efeito direto na inflamabilidade dos combustíveis florestais, havendo uma troca
constante de umidade entre a atmosfera e os combustíveis florestais mortos. O
material seco absorve água de uma atmosfera úmida e libera água quando o ar está
seco. A quantidade de umidade que o material morto pode absorver do ar e reter
depende, basicamente, da umidade relativa do ar. Durante períodos extremamente
secos, a baixa umidade pode, inclusive, afetar o conteúdo de umidade do material
vivo (SCHROEDER e BUCK,1970, SOARES, 1985).
Segundo LOWE (2001) a hora do dia tem uma influência importante nos
níveis de umidade relativa. Nas primeiras horas da manhã as temperaturas estão
mais baixas e os níveis de umidade relativa mais altos. À medida que as horas
passam, a temperatura começa a aumentar e a umidade relativa começa a diminuir.
No meio da tarde as temperaturas estão em seu valor máximo e a umidade relativa
atinge seu valor mínimo. É importante observar periodicamente os níveis de
umidade relativa pois eles estão fortemente associados e indicam o teor de umidade
dos combustíveis.
16
O tempo que os combustíveis florestais levam para absorver ou perder

umidade para o ar varia bastante dependendo, do tipo e tamanho do material.
Material fino como folhas, acículas e pequenos ramos podem alcançar um conteúdo
de umidade de equilíbrio em poucos minutos. Galhos de grande dimensão e troncos
podem levar um longo tempo, dependendo de sua dimensão. O tempo médio de
resposta do combustível em relação à umidade do ar varia principalmente com o
tamanho do material, apesar de haver outros fatores envolvidos. O combustível
morto pode ser dividido em várias classes, muito usadas em inventários de material
combustível, como mostra a Tabela 1 (BATISTA, 1990).
TABELA 1 - CLASSES DE MATERIAL COMBUSTÍVEL E TEMPOS DE RESPOSTA

MÉDIOS EM RELAÇÃO À UMIDADE DE EQUILÍBRIO
Classe de material combustível Tempo médio de resposta

(Diâmetro em cm) (horas)
< 0,7 1
0,7 a 2,4 10
2,5 a 7,6 100
> 7,6 > 1000
2.2.4.5 Vento
Vento é o movimento de ar dos centros de alta pressão para os centros

de baixa pressão. De maneira geral as áreas próximas ao Equador são mais
quentes e, portanto, de menor pressão, enquanto as áreas próximas da latitude de
30o apresentam pressão maior. Além dessa circulação geral no sentido polos-
Equador, é necessário considerar outros efeitos, tais como movimento de rotação da
terra, a fricção, o relevo e as massas de água. Em função desses efeitos, existem
movimentos locais que tornam bastante complexa a distribuição dos ventos na
superfície terrestre (SCHROEDER e BUCK, 1970; NAYA, 1984; VAREJÃO-SILVA e
REIS, 1988; VIANELLO e ALVES, 1991; SOARES e BATISTA, 2004).
Segundo SCHROEDER e BUCK (1970), o vento e a umidade relativa do
ar são considerados os dois mais importantes parâmetros meteorológicos que
afetam a propagação dos incêndios. O vento é o mais variável e o menos previsível.
Ventos próximos à superfície terrestre são fortemente influenciados pelo perfil do
17
relevo e pelos processos locais de aquecimento e resfriamento. Isto contribui

bastante para sua variabilidade e ressalta a importância de uma adequada avaliação
do comportamento local dos ventos em operações de combate aos incêndios.
Segundo DAVIS (1959) o vento afeta diretamente a taxa de combustão do
combustível florestal pelo aumento do fornecimento de oxigênio e também a taxa de
propagação em função do fornecimento de energia por condução e convecção.
O vento influi na propagação dos incêndios de várias maneiras. Ele
desloca o ar úmido do interior da floresta, aumentando a evaporação e favorecendo
a secagem do material combustível; ventos suaves ajudam as fagulhas a provocar a
ignição do material combustível; depois de iniciado o fogo, o vento ativa a
combustão por meio do fornecimento contínuo de oxigênio; o vento ajuda a
propagação transportando o calor e fagulhas para áreas ainda não queimadas e
inclinando as chamas até os materiais não queimados, à frente do fogo e ativando a
fase de pré-aquecimento. A direção e a forma de propagação dos incêndios são
também determinadas principalmente pelo vento (SCHROEDER e BUCK,1970;
BROWN e DAVIS; 1973; SOARES, 1985).
Segundo PYNE (1984), os ventos podem ser classificados em primários,
de segunda ordem e de terceira ordem. Ventos primários são aqueles relacionados à
circulação geral do ar ao redor do globo terrestre. Ventos de segunda ordem
referem-se a condições sinóticas como frentes e células de pressão. Os ventos de
terceira ordem referem-se às condições locais ou sistemas convectivos de pequena
escala.
Os ventos de origem local ou ventos convectivos (SCHROEDER e BUCK,
1970), causados por variações locais de temperatura, têm papel importante no
comportamento do fogo, tanto quanto os ventos produzidos em escala sinótica. Em
muitas áreas eles podem predominar e se sobrepor aos ventos de larga escala. Se
essas variações locais forem bem entendidas, as mudanças no comportamento do
fogo podem ser previstas.
Considerando-se fixas as condições de quantidade e umidade do
combustível, umidade relativa do ar e topografia, a intensidade de propagação do
fogo aumenta com a velocidade do vento (Tabela 2). Além disso, o vento é fator
fundamental num incêndio de copa, para transportar o calor e as chamas de árvore
18
em árvore (SOARES, 1985).
TABELA 2 - INFLUÊNCIA DA VELOCIDADE DO VENTO NA TAXA DE PROPAGAÇÃO

DOS INCÊNDIOS
Velocidade do vento (km/h) Fator de propagação

< 16 1,0
17 - 24 2,0
25 - 32 2,8
33 - 40 3,2
41 - 48 3,4
VAN WAGNER (1987), depois de várias pesquisas sobre o efeito do vento

na propagação de incêndios florestais, obteve a seguinte equação:
0,05039 w
F(w) = e
Onde F(w) é o fator de propagação causado pelo vento e “w” é a

velocidade do vento a 10 metros da superfície do solo. A equação tem sido usada
em vários trabalhos relativos ao efeito do vento em incêndios florestais. Para
velocidades do vento muito altas, sua validade, no entanto, é incerta.
O vento é o fator mais variável no comportamento do fogo. Ele varia no
tempo e nas direções horizontal e vertical, e essa variação sofre influência ainda do
relevo, da vegetação e do próprio tipo de vento (ROTHERMEL, 1983).
Segundo VIEGAS (1997), o vento é o fator mais importante na
propagação de um incêndio florestal, sendo também o mais difícil de se prever,
devido a sua característica vetorial e a sua ampla variabilidade temporal e
espacial.
VIEGAS e NETO (1991) concluíram que a taxa de propagação do fogo
para combustíveis com propriedades similares está correlacionada com a velocidade
do vento. NELSON (2002) demonstra que a velocidade efetiva do vento está
correlacionada com a taxa de propagação do fogo.
Segundo VÉLEZ (2000), o vento é um elemento decisivo no
comportamento do fogo, sendo muitas vezes responsável pela ultrapassagem das
19
barreiras de defesa pelo fogo e criando condições para os incêndios de copa. Os

efeitos mais importantes do vento na propagação dos incêndios são: secagem do
combustível florestal, acelerando a transpiração; aumento da intensidade do fogo ao
transportar maior quantidade de oxigênio à combustão; inclinação da chama, o que
causa maior eficácia nos processos de transmissão de energia por radiação;
aumento da transmissão de energia por convecção.
Segundo VIEGAS (2004a), a propagação do fogo em locais com
declividade, como os vales, tem comportamento distinto daquele que ocorre em
áreas sem declividade em função do efeito de fatores adicionais como a convecção
e a radiação. Se existe uma declividade ou a presença de vento, a taxa de
propagação tende a crescer. Os efeitos convectivos gerados pelo fogo em terrenos
inclinados podem produzir o chamado blow-up ou explosão, mesmo na ausência de
qualquer outra condição atmosférica especial. Esse fenômeno tem sido estudado
pelo autor e pode explicar vários dos acidentes ocorridos ao longo da história dos
incêndios florestais.
2.2.4.6 Precipitação
Apesar de ser um fator limitante tanto na ignição como na propagação de

incêndios, o efeito da precipitação muitas vezes é subestimado, talvez pela grande
evidência de sua influência sobre o fogo.
A ocorrência dos incêndios está sempre associada a períodos sem chuva.
Existe uma forte correlação entre ocorrência de grandes incêndios e prolongados
períodos de seca. Longos períodos de estiagem afetam o potencial de propagação
dos incêndios de diversas maneiras, principalmente pela secagem progressiva do
material combustível morto, podendo inclusive afetar o teor de umidade da
vegetação verde. Isto aumenta a probabilidade de ignição e a facilidade de
propagação do incêndio (SOARES, 1985).
A ocorrência de precipitação é fator fundamental na redução do potencial
de ocorrência e propagação dos incêndios até mesmo a zero, dependendo da
quantidade de água precipitada. No entanto, condições críticas de inflamabilidade
não são revertidas facilmente. Combustíveis florestais extremamente secos podem
20
ser umedecidos superficialmente por uma chuva matinal e secarem rapidamente,

tornando-se novamente inflamáveis durante a tarde (SCHROEDER e BUCK, 1970;
PYNE, 1984; SOARES, 1985).
Ao se avaliar o efeito da precipitação sobre o potencial de propagação do
fogo em uma região é necessário levar em consideração não apenas a quantidade
de chuva mas também sua distribuição estacional. Duas regiões com a mesma
precipitação total anual podem apresentar características completamente diferentes
com relação a risco de incêndios. Se a distribuição da chuva é uniforme durante todo
o ano, sem uma estação seca definida, o potencial de ocorrência e propagação de
incêndios é bem menor do que, por exemplo, o potencial de uma região em que a
estação chuvosa seja concentrada em alguns meses, com longos períodos de
estiagem durante outros meses. A distribuição da precipitação é, portanto, fator
fundamental na definição do início, término e duração das estações de alto potencial
de incêndio (SCHROEDER e BUCK, 1970; PYNE, 1984; SOARES, 1985).
VIEGAS e VIEGAS (1994) estudando a relação entre a precipitação e a
área queimada por incêndios florestais em Portugal, verificaram que quando o verão
é chuvoso existe uma redução na área queimada.
2.2.4.7 Estabilidade atmosférica
De acordo com SCHROEDER e BUCK (1970), a estabilidade da

atmosfera está relacionada com a variação da temperatura de acordo com a altitude.
Com relação à estabilidade a atmosfera pode ser estável e instável. Se a
temperatura aumenta com a altitude, não existem condições para o estabelecimento
de correntes ascendentes. Neste caso tem-se uma atmosfera estável. A estabilidade
geralmente é definida como aquela condição atmosférica na qual os movimentos
ascendentes do ar estão ausentes ou inibidos. Quando a temperatura está muito
elevada na superfície do solo, existem condições para a formação de células
ascendentes e, consequentemente, para a movimentação ascendente do ar. Neste
caso tem-se uma atmosfera instável, o que causa grande turbulência. A instabilidade
é definida como o estado atmosférico no qual prevalecem os movimentos verticais
(BROWN e DAVIS 1973).
21
A caracterização de tais condições atmosféricas se faz de acordo com a

distribuição vertical da temperatura do ar, isto é, uma camada atmosférica será
estável ou instável dependendo do valor do gradiente vertical de temperatura
observado na camada. A temperatura do ar geralmente diminui com a altitude, por
meio do chamado “processo adiabático”. Quando o ar está seco as mudanças de
temperatura se devem exclusivamente à expansão e à contração do ar. Se o ar está
saturado, como nas nuvens, por exemplo, a condensação do vapor d’água libera o
calor latente, influindo na temperatura (SCHROEDER e BUCK, 1970; PYNE, 1984;
SOARES, 1985).
O gradiente adiabático do ar seco é constante e igual a 0,0098ºC/m, ou
seja, o ar se resfria aproximadamente 1ºC a cada 100 m de altitude. O gradiente
adiabático do ar úmido, devido à liberação do calor latente, não é constante, pois
depende do teor de umidade do ar. Para o ar ligeiramente úmido, o gradiente é
aproximadamente 1ºC por 100m e para o ar saturado, 2ºC por 100 m (SCHROEDER
e BUCK, 1970; PYNE, 1984; SOARES, 1985).
Como na camada da troposfera o ar geralmente contém alguma umidade,
o valor médio do gradiente adiabático recomendado para se estimar as temperaturas
a diferentes níveis de altitude é 0,6ºC por 100m, isto é, a temperatura do ar
geralmente diminui cerca de 6ºC a cada quilômetro de altitude.
A atmosfera é considerada estável quando o gradiente de variação da
temperatura com a altitude é menor do que o gradiente adiabático e instável quando
o gradiente de variação da temperatura é maior do que o gradiente adiabático; e
neutra quando os dois gradientes se equivalem (SCHROEDER e BUCK, 1970;
NAYA, 1984; SOARES, 1985; VAREJÃO-SILVA e REIS, 1988; VIANELLO e ALVES,
1991).
Subsidência é o movimento descendente das grandes massas de ar.
Este movimento apresenta baixas velocidades, entre 150 e 300 m/h. O aquecimento
adiabático do ar no processo da subsidência é responsável pela evaporação das
gotículas de água das nuvens, provocando o desaparecimento dos Cumulus que se
formam pela manhã, deixando o céu limpo, principalmente em algumas tardes de
outono e inverno (SCHROEDER e BUCK, 1970; NAYA, 1984; SOARES, 1985;
VAREJÃO-SILVA e REIS, 1988; VIANELLO e ALVES, 1991).
22
Inversão térmica é o aumento da temperatura do ar com a altitude,

exatamente o inverso do que normalmente acontece, que é o resfriamento com a
altitude. Isto ocorre principalmente em latitudes maiores, durante os meses mais
frios do ano (meados do outono até início da primavera) em noites calmas de céu
limpo, devido à intensa radiação da superfície terrestre. Pode ocorrer também devido
ao acúmulo de ar frio nos fundos de vales e, nas camadas mais altas da atmosfera,
devido à subsidência (SCHROEDER e BUCK, 1970; NAYA, 1984; SOARES, 1985;
VAREJÃO-SILVA e REIS, 1988; VIANELLO e ALVES, 1991).
Quando há inversão térmica a atmosfera é altamente estável e isto pode
causar sérios problemas ambientais pois, devido à ausência de movimentos
verticais, a fumaça e outros agentes poluidores não se dispersam verticalmente, mas
sim horizontalmente, agravando o problema da poluição nos grandes centros
urbanos (SCHROEDER e BUCK, 1970; SOARES, 1985).
Existem alguns indicadores que ajudam a definir as condições de
estabilidade ou instabilidade atmosférica mesmo sem a medição das temperaturas
do ar a diversos níveis de altitude (SCHROEDER e BUCK, 1970; SOARES, 1985):
a) Numa atmosfera estável predominam as nuvens em forma de camadas

(Stratus); as colunas de fumaça se propagam horizontalmente após pequena
elevação; a visibilidade na superfície da terra é ruim devido à formação de
nevoeiro ou névoa seca; os ventos são constantes.
b) Numa atmosfera instável predominam as nuvens de desenvolvimento vertical
(Cumulus); as colunas de fumaça se propagam verticalmente até grandes
alturas; existe boa visibilidade; há correntes ascendentes e descendentes de
ar; pode haver formação de redemoinhos; os ventos são variáveis.
c) Não é recomendável fazer queimas controladas em condições de estabilidade
atmosférica, pois a dispersão vertical da fumaça pode causar problemas em
áreas habitadas. Por outro lado, a ocorrência de incêndios florestais em
condições de alta instabilidade, principalmente nas proximidades de áreas
turbulentas (existência de Cumulonimbus), pode apresentar grande risco para
as equipes de combate, devido aos fortes e variáveis ventos.
23
Segundo SCHROEDER e BUCK (1970), se a atmosfera possui a mesma

temperatura em várias altitudes ou se existe uma camada de inversão térmica, tem-
se uma atmosfera muito estável e neste caso não haverá movimentos ascendentes
e haverá menos turbulência, o que faz com que os incêndios sejam menos
perigosos. Uma atmosfera instável favorece a ocorrência de grandes incêndios.
2.2.5 Características do Relevo
O relevo se refere à forma da superfície terrestre, com seus contornos e

acidentes naturais. A topografia exerce grande influência sobre o clima, influindo
também sobre a vegetação e consequentemente sobre o material combustível das
diversas regiões terrestres (SCHROEDER e BUCK, 1970; SOARES, 1985).
Segundo SCHROEDER e BUCK (1970), BROWN e DAVIS (1973) e
SOARES (1985) o relevo de uma área é um fator fixo, mas que afeta
significativamente o perigo de incêndios florestais.
Da mesma forma que o vento, o relevo influencia a taxa de propagação
de um incêndio, sendo considerado um importante fator de propagação (DAVIS,
1959).
Os efeitos do relevo sobre a propagação dos incêndios podem ser melhor
entendidos por meio da análise de cada um de seus fatores básicos: elevação,
exposição e inclinação.
2.2.5.1 Elevação
Segundo SOARES (1985) altas elevações na superfície da Terra

apresentam ar mais rarefeito e temperaturas mais baixas. Tanto a elevação em
relação oo nível do mar como a elevação relativa a regiões vizinhas apresentam
efeitos sobre o comportamento do fogo. Baixas elevações têm a tendência de
apresentar estações de risco de incêndios mais longas que altas elevações. Topo de
montanhas e fundos de vales apresentam diferentes condições de queima durante o
dia. Devido às correntes de vento e às condições de temperatura e umidade
predominantes nos dois locais, os fundos de vale apresentam maior potencial de
propagação de fogo durante o dia, com a situação se invertendo durante a noite.
24
2.2.5.2 Exposição
Segundo SCHROEDER e BUCK (1970) e SOARES (1985) a exposição

ou aspecto de um terreno apresenta um efeito direto na possibilidade de ocorrência
e propagação de um incêndio. No Hemisfério Sul, os raios solares incidem mais
diretamente sobre faces voltadas para o norte e consequentemente transmitem mais
calor para essa exposição que para qualquer outra. A face Oeste é a segunda a
receber maior quantidade de energia seguida da face Leste e, finalmente, a face Sul
é a que menos se aquece. Em latitude maior que 23°27’, a face Sul nunca recebe
insolação direta, nem mesmo no verão, devido à inclinação da terra em relação ao
Sol. Portanto, o efeito da exposição aumenta de acordo com o aumento da latitude.
Como as exposições norte recebem mais energia, elas apresentam maior
temperatura, menor umidade relativa, o material combustível se seca mais
rapidamente e, como conseqüência, o risco de ocorrência e propagação de
incêndios nessas exposições é maior que nas demais.
2.2.5.3 Inclinação
Segundo WHELAN (1998) o efeito da inclinação em uma frente de fogo é

similar ao efeito do vento.
A inclinação interfere na tendência do fogo de se propagar mais
rapidamente nos aclives e mais lentamente nos declives. Um incêndio se
propagando em um aclive acentuado, por exemplo, se assemelha a um incêndio se
propagando no plano, sob efeito de forte vento. A medida que o grau de inclinação
aumenta, a velocidade de propagação também aumenta (SCHROEDER e BUCK,
1970; BROWN e DAVIS, 1973; PYNE, 1984; SOARES, 1985).
Segundo SCHROEDER (1970), o comportamento dos ventos nos vales é
ditado pelas variações de pressão que ocorrem durante o dia (dia e noite) nesses
locais. Durante o dia, o Sol aquece mais as áreas mais altas do que os fundos de
vale, causando um gradiente de pressão entre os dois pontos. A pressão fica maior
no fundo do vale e menor no cume da montanha. Isso faz com que o vento sopre do
vale em direção ao cume durante o dia.
25
Durante a noite o processo se inverte. A pressão no fundo do vale não se

altera muito, enquanto a pressão no cume da montanha aumenta, em função da
maior perda de temperatura nessas áreas. Dessa forma os ventos irão soprar do
cume para os fundos de vale durante a noite.
Um incêndio iniciado durante o dia no fundo de um vale pode se propagar
impulsionado por dois fatores que interferem positivamente em sua intensidade: o
vento que sopra em direção a todas as encostas, fazendo com que o incêndio
apresente um crescimento multidirecional e a declividade, outro fator que impulsiona
a sua intensidade. Durante a noite este incêndio receberia ventos vindo do cume,
diminuindo a sua intensidade. (VIEGAS, 2004b).
Um incêndio iniciado no cume de uma montanha durante o dia teria os
fatores vento e declividade interferindo negativamente em sua propagação, pois teria
vento em sentido contrário e declividade negativa. Sua propagação seria muito lenta.
Essa tendência, no entanto, se inverteria à noite, tendo vento favorável descendo a
encosta, mas ainda teria o efeito negativo da declividade, o que não permitiria
alcançar a mesma intensidade de um incêndio no fundo do vale (SCHROEDER e
BUCK, 1970; BROWN e DAVIS, 1973; PYNE, 1984; SOARES, 1985).
A propagação de incêndios em locais dessa natureza tem sido objeto de
pesquisa de VIEGAS (2004a) que considera, além dos fatores vento e declividade,
as forças convectivas causadas pelo próprio incêndio, causando o fenômeno
conhecido por “erupção”, um fogo com características devastadoras.
2.2.6 Tipo de Cobertura Vegetal
O tipo de cobertura vegetal exerce acentuada influência no microclima

local. Uma floresta densa e fechada intercepta a radiação solar, reduzindo a
temperatura do ar e, consequentemente, do material combustível no interior da
mesma. Ela também funciona como uma barreira, evitando a livre passagem de
correntes de ar e reduzindo sensivelmente a velocidade do vento em seu interior.
Isto diminui a evaporação, dificultando a secagem do material combustível. Além
disso, a transpiração do material florestal proporciona um aumento da umidade
relativa do ar na área da floresta. Todos esses fatos reunidos podem reduzir o risco
de ignição e propagação de incêndios em uma floresta com essas características
26
(SCHROEDER e BUCK, 1970; BROWN e DAVIS, 1973; PYNE, 1984; SOARES,

1985).
Por outro lado, uma floresta aberta permite penetração mais livre dos
raios solares e do vento, produzindo aumentos na temperatura do combustível e na
taxa de evaporação. Isto contribui para um maior potencial de propagação do fogo
(SCHROEDER e BUCK, 1970; BROWN e DAVIS, 1973; PYNE, 1984; SOARES,
1985).
As espécies florestais também exercem certa influência na propagação
dos incêndios em função do tipo de combustível que produzem. Um povoamento de
coníferas, por exemplo, pelas características de inflamabilidade da espécie,
apresenta um risco potencial de propagação do fogo maior que um povoamento de
folhosas (SCHROEDER e BUCK, 1970; SOARES, 1985).
Segundo BROWN e DAVIS (1973) a ignição, a propagação e o
comportamento do fogo dependem muito mais dos combustíveis do que de outros
fatores. É no combustível que nasce e se desenvolve a energia de um incêndio
florestal.
2.3 ÍNDICES DE PERIGO DE INCÊNDIOS FLORESTAIS
Segundo SOARES (1972a), índices de perigo de incêndio são números

que refletem a probabilidade de ocorrer um incêndio, assim como a facilidade do
mesmo se propagar, com base nas condições atmosféricas do dia ou de uma
seqüência de dias.
Segundo CHENEY (1968), os índice de perigo de incêndios florestais
fornecem uma resposta em 80% dos casos, o que é suficiente para o planejamento
eficiente do controle de incêndios. Os índices são importantes pois permitem a
previsão das condições de risco, o que possibilita a adoção de medidas preventivas
mais eficazes e econômicas. Dentre as diversas utilidades e aplicações dos índices
de perigo de incêndio pode-se destacar: o conhecimento do grau de risco, o
planejamento do controle de incêndios, a permissão para queimas, o
estabelecimento de zonas de perigo, a previsão do comportamento do fogo, a
advertência pública do grau de perigo.
Um índice de perigo é um indicador quantitativo de uma ou mais variáveis
27
do perigo de incêndios, expresso em sentido relativo ou como uma medida absoluta.

Por razões práticas, um índice de perigo de incêndios se apresenta em classes de
perigo, definindo-se uma classe de perigo como uma porção da escala numérica do
perigo de incêndios florestais (SOARES, 1984).
Segundo HEIKKILÄ et al (1993) um índice de perigo de incêndios é um
importante indicador das condições de queima, pois indica a cada dia a situação do
comportamento do fogo esperada em função da umidade dos combustíveis
florestais.
SOARES (1972a) e outros autores referem-se a uma escala adjetiva para
informação ao público, com graus de perigo que podem ser: NULO, MODERADO,
ALTO, MUITO ALTO e EXTREMO, por exemplo.
A estrutura dos índices de perigo de incêndio é baseada na variação de
alguns fatores meteorológicos. Pode-se distinguir dois tipos de fatores determinantes
do grau de perigo do incêndio: os de caráter permanente (material combustível, tipo
de floresta e relevo) e os variáveis (condições climáticas). Os fatores de caráter
permanente não são apropriados para a determinação do grau de perigo do
ocorrência de incêndios pois, não apresentam variação a curto prazo. Os fatores de
caráter permanente são úteis em índices mais complexos, que estimam a velocidade
de propagação e o potencial de danos dos incêndios. Os fatores variáveis por sua
vez apresentam uma base sólida para a determinação apenas do grau de perigo de
ocorrência (SOARES, 1984).
Os índices de perigo de incêndios podem ser divididos em dois
grupos: índices de ocorrência, que indicam a probabilidade de ocorrência de
um incêndio, isto é, se existem condições favoráveis ou não para o início da
combustão e que normalmente se utilizam dos fatores variáveis; e índices de
propagação que indicam o comportamento dos incêndios florestais e que
utilizam os fatores variáveis como a velocidade do vento e alguns fatores de
caráter permanente. Esses índices de propagação além de indicar as
condições de combustão oferecem uma previsão do comportamento do fogo
(SOARES, 1984; VÉLEZ, 2000; MANTA, 2003).
Os cálculos dos índices de previsão de incêndios florestais baseiam-
se principalmente nos fatores meteorológicos, existindo, no entando, variações
28
nos sistemas utilizados nos diversos países. O peso atribuído a determinados

fatores, pode variar dentro de um país, em função das regiões que o
compõem. Os índices de previsão mais usados adotam, para efeito de cálculo,
os dados meteorológicos coletados às 13:00 h (SOARES, 1972a).
Segundo MANTA (2003), os índices baseados em elementos
meteorológicos podem ser não-acumulativos, quando calculados com base nas
condições meteorológicas do dia e acumulativos que empregam algum método de
acumular as condições meteorológicas de dias passados.
Os países mais desenvolvidos possuem sistemas complexos,
compostos de vários subsistemas que englobam todos os aspectos do
comportamento do fogo como a ignição, a propagação, o tipo de combustível,
declividade do terreno, fatores climáticos e meteorológicos (SAMPAIO, 1999;
MANTA, 2003).
2.3.1 Principais Índices de Perigo
Os principais índices de determinação do perigo de incêndios

florestais são apresentados a seguir. (CHENEY, 1968; NOBLE et al 1980;
SOARES, 1985; RODRÍGUEZ e MORETTI, 1988; SAMPAIO et al 1998;
SAMPAIO 1999).
2.3.1.1 Índice de Angstron
Desenvolvido na Suécia, segundo SOARES (1984), este índice baseia-se

fundamentalmente na temperatura e na umidade relativa do ar, ambos medidos
diariamente às 13:00 h. É um índice não-acumulativo e a sua equação é a seguinte:
B = 0,05H 0,1(T - 27)
onde: B = índice de Angstron

H = umidade relativa do ar em %
T = temperatura do ar em °C
29
A interpretação do índice é feita da seguinte maneira: sempre que o valor

de “B” for menor do que 2,5 haverá perigo de incêndios, isto é, as condições
atmosféricas do dia estarão favoráveis à ocorrência de incêndios.
2.3.1.2 Índice logarítmico de Telicyn
Desenvolvido na ex-União das Repúblicas Socialistas Soviéticas, segundo

SOARES (1984), este índice tem como variáveis as temperaturas do ar e do ponto
de orvalho, ambas medidas às 13:00 h. O índice é acumulativo, isto é, seu valor
aumenta gradativamente, como realmente acontece com as condições de perigo de
incêndio, até que a ocorrência de uma chuva o reduza a zero, recomeçando novo
ciclo de cálculos. Sua equação é a seguinte:
n
I = Σ log (ti - ri)
i =1
onde: I = índice de Telicyn
t = temperatura do ar em oC
r = temperatura do ponto de orvalho em °C
log = logaritmo na base 10
n = número de dias sem chuva
Sempre que ocorrer uma precipitação igual ou superior a 2,5 mm,

abandonar o somatório e recomeçar o cálculo no dia seguinte, ou quando a chuva
cessar.
Como o índice é acumulativo, a interpretação do grau de perigo é
feita por meio de uma escala, apresentada na Tabela 3.
TABELA 3 - ESCALA DE PERIGO DO ÍNDICE LOGARÍTMICO DE TELICYN.
Valor de I Grau de Perigo

≤2 Nenhum
2,1 a 3,5 Pequeno
3,6 a 5,0 Médio
> 5,0 Alto
30
2.3.1.3 Índice de Nesterov
Desenvolvido na ex--União das Repúblicas Socialistas Soviéticas e

aperfeiçoado na Polônia, segundo SOARES (1984), este índice tem como variáveis
a temperatura e o déficit de saturação do ar, ambos medidos diariamente às 13:00 h.
O índice de Nesterov, que também é acumulativo, tem a seguinte equação básica:
n
G = Σ d i . ti
i =1
onde: G = Índice de Nesterov
d = déficit de saturação do ar em milibares
t = temperatura do ar em oC
n = número de dias sem chuva menor que 10,0 mm
O déficit de saturação do ar, por sua vez, é igual à diferença entre a

pressão máxima de vapor d’água e a pressão real de vapor d’água, podendo
ser calculado por meio da seguinte expressão:
d = E(1 – H/100)
onde: d = déficit de saturação do ar em milibares

E = pressão máxima de vapor d'água em milibares
H = umidade relativa do ar em porcentagem
No índice de Nesterov, a continuidade do somatório é limitada pela

ocorrência das restrições apresentadas na Tabela 4.
31
TABELA 4 - RESTRIÇÕES DO ÍNDICE DE NESTEROV EM FUNÇÃO DA QUANTIDADE

DE CHUVA DO DIA
Chuva do dia (mm) Modificação no cálculo

≤ 2,0 Nenhuma
Abater 25 % no valor de G calculado na véspera e
2,1 a 5,0
somar (d.t) do dia.
Abater 50 % no valor de G calculado na véspera e
5,1 8,0
somar (d.t) do dia.
Abandonar a somatória anterior e recomeçar novo
8,1 a 10,0
cálculo, isto é, G = (d.t) do dia.
Interromper o cálculo (G=0), recomeçando a
> 10,0 somatória no dia seguinte ou quando a chuva
cessar.
A interpretação do grau de perigo estimado pelo índice é feito por meio de

uma escala de risco, apresentada na Tabela 5.
TABELA 5 - ESCALA DE PERIGO DO ÍNDICE DE NESTEROV
Valor de G Grau de Perigo

≤ 300 Nenhum risco
301 a 500 Risco pequeno
501 a 1000 Risco médio
1001 a 4000 Grande risco
> 4000 Altíssimo risco
2.3.1.4 Índice de Rodríguez e Moretti
Este índice foi desenvolvido para a região Andino-Patagônica, com base

na análise de correlações entre determinadas variáveis meteorológicas e a
ocorrência e a magnitude dos incêndios, durante as temporadas de incêndios 84-85,
85-86 e 86-87 (RODRÍGUEZ e MORETTI,1988).
As variáveis consideradas foram: temperatura, umidade relativa,
velocidade do vento e dias consecutivos sem precipitação. Considerou-se que cada
uma das variáveis utilizadas explicava uma determinada porcentagem do perigo total
de propagação do fogo. As duas primeiras variáveis determinam o conteúdo de
umidade e a resistência à ignição dos combustíveis; a ocorrência ou não de
32
precipitação determina a alternância entre períodos secos e úmidos.

O valor do índice se obtém somando-se os valores acumuladores 1, 2, 3 e
4, apresentados na Tabela 6. As variáveis de entrada são obtidas nas observações
diárias efetuadas às 15:00 h. Os dias sem chuva são contados a partir do último dia
com precipitação menor que 2 mm.
TABELA 6 – VALORES DOS ACUMULADORES DO ÍNDICE DE RODRÍGUEZ E

MORETTI
Acumulador 1 Acumulador 2
Temperatura ºC Índice Umidade % Índice
menos de 10 2.5 80 ou mais 2.5
10 a 11.9. 5.0 79 a 75 5.0
12 a 13.9 7.5 74 a 70 7.5
14 a 15.9 10.5 69 a 65 10.5
16 a 17.9 12.0 64 a 60 12.5
18 a 19.9 15.5 59 a 55 15.0
20 a 21.9 17.5 54 a 50 17.5
22 a 23.9 20.0 49 a 45 20.0
24 a 25.9 22.5 44 a 40 22.5
26 ou mais 25.0 39 ou menos 25.0
Acumulador 3 Acumulador 4
Vento(km/h) Índice Días sem chuva Índice
menos de 3.0 1.5 1 3.5
3.0 a 5.9 3.0 2a4 7.0
6.0 a 8.9 4.5 5a7 10.5
9.0 a 11.9 6.0 8 a 10 14.0
12.0 a 14.9 7.5 11 a 13 17.5
15.0 a 17.9 9.0 14 a 16 21.0
18.0 a 20.9 10.5 17 a 19 24.5
21.0 a 23.9 12.0 20 a 22 28.0
24.0 a 26.9 13.5 23 a 25 31.5
27.0 ou mais 15.0 26 ou mais 35.0
Quando se faz o cálculo em um dia que existe precipitação, o valor a

somar no acumulador 4 é de 0; no segundo dia com precipitação, o valor obtido pela
soma dos valores dos acumuladores se multiplica por um fator de correção, neste
caso 0,8; no terceiro dia se multiplica por 0,6 e assim sucessivamente.
A amplitude do índice, que varia de 0 a 100, está dividido em quatro
classes, que indicam o grau de perigo de propagação de ocorrer um incêndio, como
mostra a Tabela 7.
33
TABELA 7 - ESCALA DE PERIGO DO ÍNDICE DE RODRIGUEZ E MORETTI
Valor de G Grau de Perigo

0 - 24 Leve
25 - 49 Moderado
50 - 74 Alto
75 - 100 Extremo
Este índice é utilizado atualmente por alguns organismos de manejo do

fogo das províncias patagônicas, entre os quais a Dirección de Bosques da provincia
de Chubut e a Central de Lucha contra Incendios Forestales (CLIF) de Parques
Nacionales.
2.3.1.5 Fórmula de Monte Alegre
Desenvolvido com base em dados da região central do Estado do Paraná,

este índice, também acumulativo, utiliza duas variáveis: uma de forma direta, a
umidade relativa do ar, medida às 13:00 h e outra de forma indireta, a precipitação
diária . A sua equação básica é a seguinte (SOARES,1972b):
n
FMA = Σ (100 / Hi)
i =1
onde: FMA = Fórmula de Monte Alegre

H = umidade relativa do ar (%), medida às 13:00 h
n = número de dias sem chuva maior ou igual a 13,0 mm
Por ser acumulativo no que se refere à umidade relativa, o índice está

sujeito a restrições de precipitação, como mostra a Tabela 8.
34
TABELA 8 - RESTRIÇÕES DA FÓRMULA DE MONTE ALEGRE EM FUNÇÃO DA

QUANTIDADE DE CHUVA DO DIA

≤ 2,4 Nenhuma
Abater 30% na FMA calculada na véspera e
2,5 a 4,9
somar (100/H) do dia.
5,0 a 9,9
10,0 a 12,9
Interromper o cálculo (FMA = 0) e recomeçar a
> 12,9
somatória no dia seguinte.
A interpretação do grau de perigo estimado pela Fórmula de Monte Alegre

é feita por meio de uma escala, como apresentado na Tabela 9.
TABELA 9 - ESCALA DE PERIGO DA FÓRMULA DE MONTE ALEGRE
Valor de FMA Grau de Perigo

≤ 1,0 Nulo
1,1 a 3,0 Pequeno
3,1 a 8,0 Médio
8,1 a 20,0 Alto
> 20,0 Muito alto
Segundo SOARES (1998a) um dos principais pontos positivos da Fórmula

de Monte Alegre é a sua simplicidade, pois só utiliza duas variáveis meteorológicas,
umidade relativa e precipitação, que são de fácil obtenção.
2.3.2 Sistemas Complexos
Os índices de determinação de perigo de incêndios florestais

apresentados anteriormente se baseiam fundamentalmente em fatores
meteorológicos. No entanto, países como Canadá, Estados Unidos, Austrália,
França e Chile, entre outros, utilizam índices bastante complexos que serão
apresentados brevemente a seguir (DEEMING, 1972; VAN WAGNER, 1987; VÉLEZ,
2000; MANTA, 2003).
35
2.3.2.1 Canadá
A investigação sobre sistemas de avaliação de risco de incêndios

florestais no Canadá foi iniciada por J. G. Wright em 1925. Desde então, a avaliação
de risco foi se aperfeiçoando. Este foi um processo evolutivo, sobre o qual se deve
ressaltar:
1) Cada novo índice conservava características do anterior;

2) Houve uma tendência à simplificação nas observações meteorológicas
requeridas;
3) Os sistemas se basearam na avaliação do risco em função de
experiências de campo, analisadas empiricamente.
Segundo VAN WAGNER (1987) e VÉLEZ (2000), o sistema canadense,

Fire Weather Index (FWI), posto em funcionamento em 1970 e ainda em utilização, é
constituído por seis componentes. Os três primeiros se referem à umidade dos
combustíveis e os outros três consistem de índices de comportamento do fogo. A
descrição dos componentes do Sistema FWI é a seguinte:
a) Código de conteúdo de umidade dos combustíveis finos – (FFMC – Fine Fuel

Moisture Code) – é um índice numérico do conteúdo de umidade dos
combustíveis finos dispostos no estrato superficial.
b) Código de conteúdo de umidade da matéria orgânica – (DMC – Duff Moisture
Code) – é um índice numérico do conteúdo de umidade do material vegetal de
baixa ou média compactação situado no estrato médio da camada de matéria
orgânica não incorporada ao solo mineral.
c) Código de secagem – (DC – Drought Code) – é um índice numérico do
conteúdo de umidade do material localizado no estrato de maior profundidade
da camada de matéria orgânica não incorporada ao solo mineral.
d) Índice de propagação inicial – (ISI – Initial Spread Index) – é um índice
numérico que expressa a velocidade de propagação do fogo. Combina os
efeitos do vento e o FFMC com a velocidade de propagação em função das
variações da quantidade de combustível.
36
e) Índice de combustão – (BUI – Buidup Index) – é um índice numérico que

informa sobre a quantidade de combustível disponível para a
combustão.
f) Índice meteorológico – (FWI – Fire Weather Index) – é um índice numérico da
intensidade calórica do incêndio, resultante da combinação do ISI e BUI. É
empregado como índice geral do grau de perigo para todas as zonas
florestais do Canadá.
2.3.2.2 Estados Unidos
Segundo DEEMING (1972) e VÉLEZ (2000), o Sistema Nacional de

Avaliação de Risco de Incêndios dos Estados Unidos (NFDRS – National Fire
Danger Rating System), é composto por diversos índices, sendo que cada um possui
uma escala de 0 a 100, com o fim de dar apoio ao planejamento, à execução e à
supervisão das operações de defesa contra incêndios florestais. Seus principais
componentes são:
a) Índice de ocorrência (Ocurrence Index) – é um índice relativo ao início

potencial dos incêndios em uma determinada área. É derivado do risco,
que representa o grau de atividade das causas de ignição e também
está relacionado com o Componente de Ignição a ser descrito.
b) Índice de combustão (Burning Index) – é derivado dos componentes de
propagação e liberação de energia. Faz um prognóstico da rapidez de
expansão do fogo.
c) Índice de carga (Load Index) – refere-se à carga potencial de trabalho
requerida para a contenção de todos os incêndios que ocorrerão em um
determinado dia e local. Depende dos índices de ocorrência e de
combustão.
d) Índice de severidade estacional (Seasonal Severity Index) – Faz
prognóstico da carga total de trabalho requerida para o controle de todos
os incêndios que ocorrerão em uma temporada em uma determinada
região.
37
Os componentes destes índices são definidos da seguinte maneira:
a) Componente de Ignição (IC) – representa a facilidade com que os

combustíveis finos se acendem.
b) Componente de Propagação (SC) – é um modelo matemático que integra os
efeitos do vento e do relevo com as propriedades da camada de combustíveis
e das partículas vegetais que estão incorporadas ao respectivo modelo de
combustível.
c) Componente de Liberação de Energia (ERC) – da mesma forma que o
componente de propagação, é determinado para cada modelo de
combustível. Existe uma diferença importante, pois enquanto o SC é
calculado sobre a base de combustíveis finos, o ERC utiliza o conteúdo de
umidade dos combustíveis médios e grossos.
Os componentes básicos do comportamento do fogo, como a facilidade

de ignição, a velocidade de propagação e a taxa de combustão, podem indicar a
necessidade da adoção de medidas de controle. Os componentes de
comportamento IC, SC e ERC constituem a chave para a avaliação do grau de
perigo ao integrar os efeitos do combustível, meteorológicos e da topografia em um
sistema numérico que pode ser utilizado pelo pessoal de proteção.
2.3.2.3 Austrália
O sistema de previsão de incêndios florestais da Austrália é constituído de

um Índice de Secagem e outro de Perigo de Incêndio. O primeiro mede as condições
de inflamabilidade do combustível e se baseia no índice acumulativo do sistema dos
Estados Unidos, corrigido e adaptado para as condições australianas. Para a sua
determinação foram empregadas medições de evapotranspiração do conjunto
vegetação-solo em função da chuva e da temperatura (VÉLEZ, 2000).
O Índice de Perigo prevê a probabilidade de ocorrência de incêndios, sua
velocidade de propagação e as dificuldades para a sua extinção. A escala de perigo
varia de 0 a 100 e se divide em 5 classes, como apresentado na Tabela 10 (VÉLEZ,
2000).
38
TABELA 10 - ESCALA DE PERIGO PARA O SISTEMA AUSTRALIANO
Valor do Índice Classe de Perigo

0-4 Baixo
5-11 Moderado
12-23 Alto
24-49 Muito Alto
50-100 Extremo
2.3.2.4 França
Segundo VÉLEZ (2000), as regiões francesas que apresentam maior

perigo de incêndios são as regiões mediterrâneas da Provença e da Córsega em
função das baixas precipitações, com verões quentes e secos. Os ventos são muito
fortes, o que contribui para agravar a situação e favorecer a propagação do fogo.
O grau de secagem é definido como o déficit de água no solo. Estudando
a evapotranspiração, determinou-se que a saturação de água no solo corresponde a
150 mm. O déficit de água no solo (d) é definido a partir da diferença entre o nível de
saturação e a reserva existente no solo (r). A fórmula utilizada é a seguinte:
d = 150 – r
A escala varia de 0 a 3. Na realidade, mais que uma escala numérica, é

uma medida do grau de perigo, como apresentado na Tabela 11.
TABELA 11 - ESCALA DE PERIGO PARA O SISTEMA DA FRANÇA
Valor do Índice Classe de Perigo Alerta

0 Muito moderado Não
1 Moderado Simples
2 Elevado Grave
3 Muito Elevado Muito Grave
Medem-se o deficit de água no solo e a velocidade do vento. O índice de

perigo de incêndio é determinado com base nestes dados em uma tabela de dupla
entrada.
39
2.3.2.5 Chile
Segundo VÉLEZ (2000), o índice chileno foi desenvolvido em 1989 e se

baseia em uma fórmula geral que define a probabilidade de início de incêndios
florestais para diferentes setores do território. A fórmula é a seguinte:
y = 17,6653 + 1,1692 x1 – 0,4378 x2 + 0,3473 x3 + 18,6862 x4 – 0,2664 x5
onde:
y = probabilidade de ocorrência diária de incêndios florestais
x1 = temperatura do ar em graus Celsius
x2 = umidade relativa do ar em porcentagem
x3 = velocidade do vento em nós
x4 = fator estacional que varia de 1 a 3
x5 = fator de secagem que varia de 0,5 a 70
Os valores obtidos da fórmula são classificados em cinco categorias,

como mostra a Tabela 12.
TABELA 12 - ESCALA DE PERIGO PARA O SISTEMA CHILENO
Valor do Índice Classe de Perigo

0-25 Nulo
26-40 Baixo
41-55 Médio
56-70 Alto
71-100 Extremo
O Índice Geral de Ocorrência pode ser substituído por 15 índices

específicos que representam, de forma mais precisa, o mesmo número de zonas de
risco em que se classificou o território chileno.
40
3 MATERIAL E MÉTODOS
3.1 CARACTERIZAÇÃO DA ÁREA DE ESTUDO
Para o desenvolvimento da primeira parte deste estudo, referente ao ajuste da

umidade relativa, foram utilizados dados de 9 regiões do Estado do Paraná. Cada uma das
regiões possui uma estação meteorológica automática identificada por seu código e sua
posição geográfica - latitude, longitude e altitude, como apresentado na Tabela 13. A Figura
1 apresenta a distribuição das regiões estudadas no Estado do Paraná.
TABELA 13 – LOCALIZAÇÃO DAS ESTAÇÕES METEOROLÓGICAS NAS REGIÕES DE

ESTUDO
Estação Código Latitude Longitude Altitude

1. Cambará 23005002 23° 00’ 00’’ S 50° 02’ 00’’ W 545
2. Campo Mourão 24035222 24° 03’ 00’’ S 52° 22’ 00’’ W 630
3. Cândido de Abreu 24385115 24° 38’ 00’’ S 51° 15’ 00’’ W 540
4. Cascavel 24535333 24° 53’ 00’’ S 53° 33’ 00’’ W 800
5. Guarapuava 25215130 25° 21’ 00’’ S 51° 30’ 00’’ W 1.120
6. Londrina 23185109 23° 18’ 00’’ S 51° 09’ 00’’ W 585
7. Palmas 26285158 26° 28’ 00’’ S 51° 58’ 00’’ W 1.160
8. Paranavaí 23055226 23° 05’ 00’’ S 52° 26’ 00’’ W 470
9. Pinhais 25254905 25° 25’ 00’’ S 49° 05’ 00’’ W 893
FONTE: INSTITUTO TECNOLÓGICO SIMEPAR
FIGURA 1 – DISTRIBUIÇÃO DAS REGIÕES DE ESTUDO NO ESTADO DO PARANÁ

41
Para a segunda parte do trabalho, referente à incorporação da

velocidade do vento à Fórmula de Monte Alegre, foram utilizados dados da
Klabin do Paraná, localizada no município de Telêmaco Borba, a 24º08' de
latitude sul e 50º30' de longitude oeste, com altitude variando de 750 a 868 m.
A Figura 2 mostra a localização do município de Telêmaco Borba no Estado do
Paraná.
FIGURA 2 – LOCALIZAÇÃO DO MUNICÍPIO DE TELÊMACO BORBA NO ESTADO DO

PARANÁ
3.2 INFORMAÇÕES SOBRE O CLIMA
Os climas das regiões consideradas neste estudo, segundo a

classificação de Köppen (TREWARTHA e HORN, 1980) são apresentados na Figura
3. As regiões de Cambará, Campo Mourão, Cândido de Abreu, Cascavel, Londrina e
Paranavaí enquadram-se no tipo Cfa, caracterizado por possuir um clima Subtropical
Úmido Mesotérmico, apresentando verões quentes (temperatura média superior a
22° C), invernos com geadas pouco frequentes (temperatura média inferior a 18° C),
sem estação seca definida.
As regiões de Guarapuava, Palmas e Pinhais enquadram-se no tipo Cfb,
caracterizado por possuir um clima Subtropical Úmido Mesotérmico, segundo a
classificação de Köppen, apresentando verões frescos (temperatura média inferior a
42
22° C), invernos com ocorrências de geadas severas e frequentes (temperatura

média inferior a 18° C), não apresentando estação seca.
FIGURA 3 – DISTRIBUIÇÃO DAS REGIÕES DE ESTUDO NO MAPA CLIMÁTICO DO

PARANÁ
FONTE: ADAPTADO DE IAPAR (1994)
O clima da região de Telêmaco Borba, onde se localiza a Klabin do

Paraná, segundo a classificação de Köppen, é Cfa/Cfb, subtropical úmido
transicional para temperado propriamente dito, com temperatura média do mês mais
frio inferior a 16ºC, ocorrência de geadas, e a temperatura média do mês mais
quente superior a 22ºC. A precipitação média anual é 1.490 mm, com excedente
hídrico de 557 mm/ano, distribuído em todos os meses do ano.
Na Figura 4 é apresentada a distribuição das regiões de estudo no mapa
de umidade relativa média anual do Estado do Paraná.
Como se pode observar, a região de Paranavaí apresenta umidade
relativa média anual entre 65 e 70%, as regiões de Cambará, Londrina, Campo
Mourão e Cascavel apresentam umidade relativa média anual entre 70 e 75%, as
regiões de Cândido de Abreu, Guarapuava e Palmas apresentam umidade relativa
média anual entre 75 e 80% e a região de Pinhais apresenta umidade relativa média
anual entre 80 e 85%.
43
FIGURA 4 – DISTRIBUIÇÃO DAS REGIÕES DE ESTUDO NO MAPA DE UMIDADE

RELATIVA MEDIA ANUAL DO ESTADO DO PARANÁ
Na Figura 5 é apresentada a distribuição das regiões de estudo no

mapa de precipitação média anual do Estado do Paraná.
FIGURA 5 – DISTRIBUIÇÃO DAS REGIÕES DE ESTUDO NO MAPA DE

PRECIPITAÇÃO MÉDIA ANUAL DO ESTADO DO PARANÁ

44
A região de Paranavaí apresenta precipitações médias anuais de

1400 a 1800 mm, a região de Cambará apresenta precipitações médias anuais
de 1400 a 1600 mm, a região de Londrina apresenta precipitações médias
anuais de 1600 a 2000 mm, as regiões de Campo Mourão e Cândido de Abreu
apresentam precipitações médias anuais de 1400 a 1600 mm, as regiões de
Cascavel, Guarapuava e Pinhais apresentam precipitações médias anuais de
2000 a 2500 mm e a região de Palmas apresenta precipitações médias anuais
superiores a 2500 mm.
Na Figura 6 é apresentada a distribuição das regiões de estudo no
mapa de temperatura média anual do Estado do Paraná.
FIGURA 6 – DISTRIBUIÇÃO DAS REGIÕES DE ESTUDO NO MAPA DE

TEMPERATURA MÉDIA ANUAL DO ESTADO DO PARANÁ
De acordo com a classificação climática, observa-se que as regiões

de Paranavaí, Cambará, Londrina, Campo Mourão e Cascavel apresentam
temperaturas superiores a 22ºC, e as regiões de Cândido de Abreu,
Guarapuava, Palmas e Pinhais apresentam temperaturas mais amenas, abaixo
de 22ºC.
45
3.3 PROCESSO METODOLÓGICO
De uma maneira geral, o processo metodológico envolveu os seguintes

passos:
a) Obtenção dos dados meteorológicos de umidade relativa, precipitação e

vento;
b) Desenvolvimento de equações de regressão para permitir o ajuste da
umidade relativa das 9:00 e das 15:00 h para as 13:00 h, considerando
modelos lineares, não-lineares, polinomiais e exponenciais;
c) Análise das equações obtidas visando a obtenção de uma equação única
para o Estado do Paraná;
d) Obtenção dos dados de incêndios florestais;
e) Incorporação do efeito da velocidade do vento à Fórmula de Monte Alegre
para que o índice refletisse também o efeito da propagação dos incêndios, por
meio da proposta de oito modelos lineares e sete modelos exponenciais de
velocidade do vento;
f) Validação e testes do novo modelo.
3.3.1 Obtenção dos Dados Meteorológicos
A base de dados climatológicos usados neste trabalho foi fornecida pelo

Instituto Tecnológico Simepar.
Para cada região descrita anteriormente foram obtidos dados diários de
umidade relativa às 9:00, 13:00 e 15:00 h, vento às 13:00 h e precipitação diária,
para um período de 5 anos, compreendido entre 01/06/1998 e 31/05/2003,
totalizando 60 meses de observações.
3.3.2 Desenvolvimento de Equações de Regressão para Umidade Relativa
Com o fim de ajustar os valores de umidade relativa das 9:00 h para as

13:00 h e das 15:00 h para as 13:00 h foram geradas equações de regressão
lineares, não-lineares, polinomiais e exponenciais para cada uma das regiões
estudadas. As formas gerais para essas equações foram:
46
a) Regressão linear simples

UR13=b0 + b1 UR09
UR13=b0 + b1 UR15
b) Regressão não linear
b1
UR13=b0 UR09
b1
UR13=b0 UR15
c) Regressão polinomial
2
UR13=b0 + b1 UR09 + b2 UR09
2
UR13=b0 + b1 UR15 + b2 UR15
d) Regressão exponencial
(b0 + b1 UR09)
UR13 = e
(b0 + b1 UR15)
UR13 = e
onde: UR09 = umidade relativa das 9:00 h

UR13 = umidade relativa das 13:00 h
UR15 = umidade relativa das 15:00 h
b0, b1, b2 = coeficientes de regressão
A seleção das equações para fornecer estimativas confiáveis para cada

região, baseou-se nos seguintes critérios:
a) Análise dos coeficientes de determinação (R2);

b) Análise dos erros-padrão residuais (s y.x).
Ao final dessa análise foram escolhidos os melhores grupos de equações

de regressão visando corrigir a umidade relativa das 9:00 h para as 13:00 h e das
15:00 h para as 13:00 h, para cada uma das regiões estudadas.
3.3.3 Análise das Equações
Quando as equações selecionadas são do mesmo tipo, elas podem ser

comparadas por meio da análise de covariância (FREESE, 1967; DRAPPER e
SMITH, 1981; NUNES, 1981) tomando como base um nível de significância.
47
Foram realizadas análises de covariância em todas as combinações

possíveis entre as nove regiões estudadas, com o fim de verificar a existência de
diferença significativa entre as mesmas ao nível de significância de 0,05. Não
existindo diferença significativa entre duas ou mais equações, os dados das mesmas
foram combinados, gerando-se uma equação única para os mesmos.
A análise de covariância testa, inicialmente, a significância entre as inclinações
das curvas e, a seguir, as constantes de regressão, que são as interseções das curvas com
o eixo Y. Se as inclinações forem estatisticamente diferentes, os grupos testados devem ter
diferentes regressões e a análise deve parar neste ponto. Se as inclinações não
apresentarem diferenças significativas, deve-se testar a interseção das curvas com o eixo
Y. Se este teste apresentar diferença significativa, os grupos testados devem ter diferentes
regressões. Se este teste não apresentar diferença significativa, as equações devem ser
consideradas semelhantes, podendo os dados serem combinados para gerar uma única
equação que os represente.
3.3.4 Obtenção dos Dados de Incêndios Florestais
Para analisar a eficiência dos modelos propostos foram obtidos, junto à

Klabin do Paraná, dados meteorológicos diários de umidade relativa às 13:00 h,
vento às 13:00 h e precipitação diária e informações sobre ocorrências de incêndios,
tais como data de ocorrência, hora de início e de término e área queimada, para o
período compreendido entre 01/06/1998 e 31/05/2003. A Klabin do Paraná,
localizada no município de Telêmaco Borba, região central do Estado do Paraná,
possui os mais antigos (desde 1965) e completos registros de ocorrências de
incêndios florestais entre todas as empresas brasileiras.
3.3.5 Incorporação da Velocidade do Vento à Fórmula de Monte Alegre
Foi realizado, inicialmente, um estudo do comportamento das variáveis

meteorológicas umidade relativa, precipitação e vento para todas as regiões, com
o objetivo de conhecer as amplitudes, os valores médios e o grau de dispersão.
A forma geral da Fórmula de Monte Alegre Alterada, referenciada como
FMA+ passa a ter a seguinte representação geral:
48
n
FMA + = Σ (100 / Hi) fp
i =1
onde: FMA+ = Fórmula de Monte Alegre Alterada
H = umidade relativa do ar (%), medida às 13:00 h
fp = fator de propagação calculado pelos modelos lineares e exponenciais
Posteriormente, foram considerados dois cenários referentes à influência

da velocidade do vento sobre o índice obtido pela Fórmula de Monte Alegre. No
primeiro cenário foram estudados oito modelos que consideravam um efeito linear da
velocidade do vento sobre o índice.
Esses modelos são citados ao longo deste trabalho como FMAVL1,
FMAVL2, FMAVL3, FMAVL4, FMAVL5, FMAVL6, FMAVL7 e FMAVL8,
respectivamente e foram gerados com base nas equações:
a) FMAVL1 - gerado pela equação: fp = 1+(0,05 v)

b) FMAVL2 - gerado pela equação: fp = 1+(0,10 v)
c) FMAVL3 - gerado pela equação: fp = 1+(0,15 v)
d) FMAVL4 - gerado pela equação: fp = 1+(0,20 v)
e) FMAVL5 - gerado pela equação: fp = 1+(0,25 v)
f) FMAVL6 - gerado pela equação: fp = 1+(0,30 v)
g) FMAVL7 - gerado pela equação: fp = 1+(0,35 v)
h) FMAVL8 - gerado pela equação: fp = 1+(0,40 v)
onde: fp = fator de propagação

v = velocidade do vento em m/s, medida às 13:00 h
Utilizando as equações que geraram os fatores de propagação lineares,

foi desenvolvido um programa na Linguagem Pascal, com o fim de determinar os
índices de perigo e os respectivos graus de perigo pela Fórmula de Monte Alegre
alterada na região de Telêmaco Borba, para todos os dias compreendidos entre
01/06/1998 e 31/05/2003.
O programa lê um arquivo de entrada no formato txt, com os seguintes campos:
data, umidade relativa, vento e preciptação, como apresentado no exemplo a seguir:
49
10/6/1998 52.80 1.60 0.0

11/6/1998 58.30 3.90 2.0
12/6/1998 63.30 2.00 0.0
13/6/1998 59.80 2.50 0.0
14/6/1998 70.00 1.70 0.0
15/6/1998 64.10 3.10 0.0
16/6/1998 56.40 3.60 0.0
A saída do programa é um arquivo no formato txt que apresenta para

cada dia os valores calculados de FMA e dos oito modelos propostos com fator
de propagação linear.
No segundo cenário foram propostos e estudados seis modelos,
considerando um efeito exponencial da velocidade do vento sobre o índice gerado
pela Fórmula de Monte Alegre, com base no modelo proposto por VAN VAGNER
(1987), que também foi incluído nos testes. Esses modelos são citados neste
trabalho como VWagner, FMAVE1, FMAVE2, FMAVE3, FMAVE4, FMAVE5 e
FMAVE6 respectivamente e foram gerados com base nas equações:
0,05039 v
i) VWagner - gerado pela equação: fp = e
0,04 v
j) FMAVE1 - gerado pela equação: fp = e
0,06 v
k) FMAVE2 - gerado pela equação: fp = e
0,07 v
l) FMAVE3 - gerado pela equação: fp = e
0,08 v
m) FMAVE4 - gerado pela equação: fp = e
0,09 v
n) FMAVE5 - gerado pela equação: fp = e
0,10 v
o) FMAVE6 - gerado pela equação: fp = e
onde: fp = fator de propagação

v = velocidade do vento em m/s, medida às 13:00 h
e = base dos logaritmos naturais, igual a 2,718282
Com base nas equações que geraram os fatores de propagação

exponenciais, foi desenvolvido um programa na Linguagem Pascal com o fim de
determinar os índices de perigo e os respectivos graus de perigo pela Fórmula de
Monte Alegre alterada, na região de Telêmaco Borba, para todos os dias
compreendidos entre 01/06/1998 e 31/05/2003.
O programa lê um arquivo de entrada no formato txt, com os seguintes campos:
50
data, umidade relativa, vento e preciptação, como apresentado no exemplo a seguir:
24/6/1998 72.80 2.50 9.2

25/6/1998 56.60 3.50 0.0
26/6/1998 52.00 2.20 0.0
27/6/1998 60.20 1.20 0.2
28/6/1998 79.20 2.20 0.0
29/6/1998 77.20 4.70 0.0
30/6/1998 59.20 1.90 0.0
A saída do programa é um arquivo no formato txt que apresenta para

cada dia os valores calculados de FMA e dos sete modelos propostos com fator de
propagação exponencial.
A característica de ser um índice acumulativo baseado na umidade relativa foi
mantida. No entanto, o fator de propagação foi obtido com base na velocidade do vento das
13:00 h de cada dia, não sendo o efeito do vento acumulativo. As restrições referentes à
precipitação permaneceram as mesmas da Fórmula de Monte Alegre original.
3.3.6 Validação e testes do novo modelo
Para validar o novo modelo foram utilizados dados meteorológicos de

umidade relativa, precipitação e vento e dados de ocorrência de incêndios como a
hora de início e de término e a área queimada, para o período estudado, fornecidos
pela Klabin do Paraná, para a região de Telêmaco Borba. Estes dados foram
submetidos aos programas desenvolvidos para se determinar os graus de perigo
para cada um dos modelos propostos.
3.3.6.1 Distribuição diária dos graus de perigo, das ocorrências de incêndios e das
áreas queimadas
Foram quantificados e analisados o número de dias para cada classe de

grau de perigo e os percentuais que os mesmos representam em cada classe de
grau de perigo, para cada modelo proposto, para a região de Telêmaco Borba.
As ocorrências de incêndios e as áreas queimadas na Klabin do Paraná foram
analisadas ao longo do período abrangido por este estudo. Foram analisadas as
ocorrências de incêndios, as áreas queimadas e seus percentuais, a área queimada média
51
por incêndio em cada classe de grau de perigo, para cada um dos modelos propostos.
3.3.6.2 Desempenho dos modelos
Para comparar os modelos propostos foi utilizado o método conhecido como

skill score (SAMPAIO, 1999), que se baseia em uma tabela de contingência que contém os
valores observados e os valores previstos para um evento em uma população. As Tabelas
14 e 15 ilustram como são realizados os cálculos para se obter o skill score.
TABELA 14 – TABELA DE CONTINGÊNCIA
Observado
Evento Total Previsto
Incêndio Não incêndio
Previsto Incêndio a b N2 = a + b
Não incêndio c d N4 = c + d
Total Observado N1 = a + c N3 = b+ d N=a+b+c+d
TABELA 15 – CÁLCULOS DA TABELA DE CONTINGÊNCIA
Observado
Previsto Incêndio a / (a + c) b / (b + d) 1
Não incêndio c / (a + c) d / (b + d) 1
Total Observado 1 1
As variáveis necessárias para a realização dos cálculos são:
N – Número total de observações

N=a+b+c+d
G – Número de acertos na previsão

G=a+d
H – Número esperado de acertos

H = N . (1 – p) . (1 – q) + N . p . q
onde:
p = N1 / N e q = N2 / N
SS – Skill score
SS = (G – H) / ((N – H)
PS – Porcentagem de sucesso
PS = G / N
52
O skill score (SS) é a razão da diferença entre os acertos na previsão (G)

e o número esperado de acertos (H) e a diferença entre o número de dias
observados (N) e o número de dias com previsão de acertos. O método skill score é
descrito de forma mais detalhada em SAMPAIO (1999).
Para analisar o desempenho de cada modelo foi definido um ponto que
serve de fronteira entre a ocorrência e a não ocorrência de incêndio. Esta decisão foi
tomada com base na escala de perigo da Fórmula de Monte Alegre. Considerou-se
como não indicativo da probabilidade de ocorrência de incêndios os graus de perigo
Nulo e Pequeno e como indicativos da probabilidade de ocorrência de incêndio os
graus de perigo Médio, Alto e Muito Alto. Com base nesta definição foram calculados
o skill score e as porcentagens de sucesso para cada modelo proposto. Os
resultados obtidos foram analisados, o que permitiu identificar os modelos que
apresentavam melhor desempenho, ou seja, apresentavam os maiores valores de
skill score e porcentagem de sucesso. Foram selecionados dois modelos
exponenciais que apresentavam os melhores resultados.
3.3.6.3 Aferição dos modelos selecionados
Como os modelos selecionados usavam as classes de perigo originais

definidas na Fórmula de Monte Alegre foi necessária a definição de novas classes
que fossem mais adequadas aos novos modelos.
Para a definição das novas classes de perigo, utilizou-se como critério a
distribuição do número de dias previstos por classe de perigo, o número de
incêndios ocorridos por classe de perigo, a área queimada em cada classe de perigo
e a área queimada média em cada classe de perigo.
Foram realizadas análises numéricas e gráficas em cada uma dessas
variáveis, com o objetivo de se definir os limites de cada classe de perigo que iria
compor a nova tabela de classes de perigo.
Estabeleceu-se que o número de dias previstos em cada classe de perigo
deveria ter uma relação inversa com a classe de perigo, de tal maneira que, quanto
maior a classe de perigo, menor o número de dias previstos para ela.
Em relação às variáveis número de incêndios ocorridos, área queimada e
53
área queimada média em cada classe de perigo, procurou-se estabelecer uma

relação direta, de tal maneira que quanto maior a classe de perigo, maiores os
valores observados para essas variáveis.
Uma vez definidos os critérios, foram propostas novas classes de perigo
para os modelos selecionados.
3.3.6.4 Seleção do melhor modelo
Foi feita uma alteração no programa para calcular os índices de perigo

com os modelos selecionados, incluindo as novas classes de perigo definidas.
Os dados referentes à região de Telêmaco Borba foram submetidos ao
programa modificado e, com base nos resultados gerados pelo programa e dos
dados de incêndios fornecidos pela Klabin do Paraná, os modelos selecionados
foram submetidos a uma nova análise de desempenho, utilizando-se o método skill
score, determinando-se o índice skill score e as porcentagens de sucesso para os
mesmos, o que permitiu identificar o melhor modelo.
54
4 RESULTADOS E DISCUSSÃO
4.1 ANÁLISE DA UMIDADE RELATIVA, PRECIPITAÇÃO E VELOCIDADE DO

VENTO
Com os dados disponíveis para todas as regiões foram realizados testes

estatísticos para se conhecer o comportamento das variáveis meteorológicas de
importância para o desenvolvimento do trabalho, que são a umidade relativa, a
precipitação e a velocidade do vento nas regiões estudadas.
Na Tabela 16 são apresentados os valores mínimos, médios e máximos
diários de umidade relativa para as regiões estudadas e as variâncias e desvios
padrão correspondentes.
TABELA 16 – COMPORTAMENTO DA UMIDADE RELATIVA NAS REGIÕES ESTUDADAS

PARA O PERÍODO DE 01/06/1998 A 31/05/2003
Número UR as 13 hs (%) Vari- Desvio

Estação
de dias Mín. Máx. Méd. ância padrão
1. Cambará 1826 19,80 99,70 60,52 286,25 16,92
2. Campo Mourão 1826 16,00 100,00 60,43 259,35 16,10
3. Cândido de Abreu 1826 18,10 99,80 61,65 262,36 16,20
4. Cascavel 1826 18,60 99,90 64,21 353,17 18,79
5. Guarapuava 1826 14,60 99,40 62,96 320,72 17,91
6. Londrina 1826 18,20 100,00 63,64 321,84 17,94
7. Palmas 1826 16,10 98,10 63,68 339,90 18,44
8. Paranavaí 1826 16,30 100,00 57,28 303,55 17,42
9. Pinhais 1826 19,80 100,00 69,74 288,43 16,98
As Figuras 7 e 8 apresentam, respectivamente, as umidades relativas

mínimas e médias para as regiões estudadas.
Para o período estudado observou-se que região de Guarapuava
apresentou a menor umidade relativa absoluta (14,60%) para o período estudado e
as regiões de Cambará e Pinhais o maior valor para a umidade relativa mínima
(19,80%). A menor média para a umidade relativa foi de 57,28% para a região de
Paranavaí e a maior média (69,74%) para a região de Pinhais. Esses valores são
condizentes com a classificação climática das regiões. As medidas de dispersão
indicaram a região de Cascavel como tendo os maiores valores e a região de Campo
Mourão com os menores valores de variância e desvio padrão.
55
FIGURA 7 – UMIDADE RELATIVA MÍNIMA ABSOLUTA NAS REGIÕES ESTUDADAS

25,00
Umidade Relativa Mínima (%)
20,00
15,00
10,00
5,00
0,00
Guarapuava
Cândido de
Londrina
Pinhais
Paranavaí
Palmas
Cambará
Cascavel
Campo
Mourão
Abreu
Regiões
FIGURA 8 - UMIDADE RELATIVA MÉDIA NAS REGIÕES ESTUDADAS PARA O PERÍODO

DE 01/06/1998 A 31/05/2003
80
70
Umidade Relativa Média (%)
60
50
40
30
20
10
0
Guarapuava
Cândido de
Londrina
Pinhais
Paranavaí
Cambará
Palmas
Cascavel
Campo
Mourão
Abreu
Regiões
56

diários de precipitação para as regiões estudadas e a variâncias e desvios padrão
correspondentes.
TABELA 17 – COMPORTAMENTO DA PRECIPITAÇÃO NAS REGIÕES ESTUDADAS

Num. Precipitação (mm)

Número de dias Vari- Desvio
Estação sem
de dias Mín. Máx. Méd. ância padrão
chuva
1. Cambará 1826 1274 0,0 105,40 3,38 87,22 9,34
2. Campo Mourão 1826 1199 0,0 119,60 4,34 139,41 11,81
3. Cândido de Abreu 1826 1131 0,0 139,60 4,55 132,80 11,52
4. Cascavel 1826 1163 0,0 185,40 4,75 166,72 12,91
5. Guarapuava 1826 1032 0,0 106,00 4,54 116,82 10,81
6. Londrina 1826 1229 0,0 112,00 3,95 113,84 10,67
7. Palmas 1826 1048 0,0 103,60 4,77 126,34 11,24
8. Paranavaí 1826 1233 0,0 137,60 3,93 121,03 11,00
9. Pinhais 1826 1002 0,0 117,20 3,61 88,29 9,40
As Figuras 9 e 10 apresentam, respectivamente, o número de dias sem

chuva e a precipitação média para as regiões estudadas.
Para o período estudado observa-se que a menor média de precipitação
ocorreu na região de Cambará (3,38 mm/dia) e a maior para a região de Palmas,
(4,77 mm/dia). Esses valores são condizentes com o nível de precipitação esperado
para as regiões.
A região de Cambará apresentou o maior valor de número de dias sem
chuva, chegando a 1274 dos 1826 dias observados e a região de Pinhais
apresentou o menor valor de número de dias sem chuva, 1002 dias.
A região de Cascavel apresentou o maior valor absoluto de precipitação
para o período estudado, 185 mm em um dia. As medidas de dispersão indicam a
região de Cascavel como tendo os maiores valores de variância e desvio padrão e a
região de Cambará com os menores valores de variância e desvio padrão.
57
FIGURA 9 – NÚMERO DE DIAS SEM CHUVA NAS REGIÕES ESTUDADAS PARA O

PERÍODO DE 01/06/1998 A 31/05/2003
1400
1200
Número de Dias sem Chuva
1000
800
600
400
200
0
Guarapuava
Pinhais
Cândido de
Londrina
Paranavaí
Palmas
Cambará
Cascavel
Campo
Mourão
Abreu
Regiões
FIGURA 10 – PRECIPITAÇÃO MÉDIA NAS REGIÕES ESTUDADAS PARA O PERÍODO

DE 01/06/1998 A 31/05/2003
6
Precipitação Média (mm)
0
Guarapuava
Pinhais
Londrina
Cândido de
Paranavaí
Cambará
Palmas
Cascavel
Campo
Mourão
Abreu
Regiões
58

diários de velocidade do vento para as regiões estudadas e as variâncias e desvios
padrão correspondentes.
TABELA 18 – COMPORTAMENTO DA VELOCIDADE DO VENTO NAS REGIÕES

ESTUDADAS PARA O PERÍODO DE 01/06/1998 A 31/05/2003
Vento as 13 hs (m/s) Vari- Desvio

Estação Número
Mín. Máx. Méd. ância padrão
de dias
1. Cambará 1826 0,0 13,10 3,21 4,05 2,01
2. Campo Mourão 1826 0,0 11,10 3,69 3,21 1,79
3. Cândido de Abreu 1826 0,0 8,00 2,27 1,85 1,36
4. Cascavel 1826 0,0 13,20 4,44 4,90 2,21
5. Guarapuava 1826 0,0 31,30 3,36 4,03 2,01
6. Londrina 1826 0,0 13,50 2,99 2,58 1,61
7. Palmas 1826 0,0 14,60 3,55 3,71 1,92
8. Paranavaí 1826 0,0 10,50 2,68 2,22 1,49
9. Pinhais 1826 0,0 9,70 2,77 2,30 1,52
As Figuras 11 e 12 apresentam, respectivamente, os valores

máximos e médios de velocidade do vento para as regiões estudadas.
Para o período estudado observou-se que a velocidade máxima do
vento ocorreu na região de Guarapuava, tendo alcançado 31,30 m/s e que o
menor valor para o vento máximo foi observado na região de Cândido de
Abreu que foi de 8,00 m/s.
A região de Cascavel apresentou a maior média de velocidade do
vento, (4,44 m/s) para o período estudado, e a região de Cândido de Abreu a
menor média (2,27 m/s). As regiões de Cascavel e Cândido de Abreu
apresentaram os maiores e menores valores de variância e desvio padrão,
respectivamente.
59
FIGURA 11 – VENTO MÁXIMO NAS REGIÕES ESTUDADAS PARA O PERÍODO DE

01/06/1998 A 31/05/2003
35,00
30,00
Vento Máximo (m/s)
25,00
20,00
15,00
10,00
5,00
0,00
Guarapuava
Cândido de
Pinhais
Londrina
Paranavaí
Cambará
Palmas
Cascavel
Campo
Mourão
Abreu
Regiões
FIGURA 12 - VENTO MÉDIO NAS REGIÕES ESTUDADAS PARA O PERÍODO DE

01/06/1998 A 31/05/2003
5,00
4,50
4,00
Vento Médio (m/s)
3,50
3,00
2,50
2,00
1,50
1,00
0,50
0,00
Guarapuava
Cândido de
Pinhais
Londrina
Paranavaí
Cambará
Palmas
Cascavel
Campo
Mourão
Abreu
Regiões
60
4.2 CORREÇÃO DA UMIDADE RELATIVA
Para o cálculo da Fórmula de Monte Alegre utiliza-se a umidade

relativa das 13:00 h. Em muitos casos podem existir apenas os dados das 9:00
ou 15:00 h, que são os padrões utilizados nas estações meteorológicas
convencionais da rede oficial brasileira, mas não existe o dado das 13:00 h.
Mesmo assim, é possível a utilização da Fórmula de Monte Alegre, desde que
se faça a correção dos valores da umidade relativa das 9:00 ou das 15:00 para
as 13:00 h.
Para ajustar os valores de umidade relativa das 9:00 h para as 13:00
h e das 15:00 h para as 13:00 h, foram geradas equações de regressão
lineares, não-lineares, polinomiais e exponenciais para cada uma das regiões
estudadas. Outros modelos foram testados, mas em função de apresentarem
resultados pouco significativos, não serão aqui apresentados.
4.2.1 Correção da Umidade Relativa das 9:00 para as 13:00 h
As estatísticas das equações de regressão para a correção da umidade

relativa das 9:00 para as 13:00 h são apresentados nas Tabelas 19, 20, 21 e 22.
TABELA 19 - CORREÇÃO DA UMIDADE RELATIVA DAS 9:00 PARA AS 13:00 h -

REGRESSÃO LINEAR SIMPLES
FORMA GERAL: UR13=b0 + b1 UR09
Estação Núm. b0 b1 r R2
dias s y.x
1. Cambará 1826 -20,293234 0,914887 0,5925 0,3511 13,6328

2. Campo Mourão 1826 -20,555806 1,025583 0,7611 0,5793 10,4485
3. Cândido de Abreu 1826 -16,570545 0,942495 0,6626 0,4390 12,1346
4. Cascavel 1826 -18,327600 1,011010 0,7680 0,5899 12,0661
5. Guarapuava 1826 -13,219934 0,887998 0,5634 0,3175 14,7987
6. Londrina 1826 -32,027634 1,094060 0,7148 0,5110 12,5479
7. Palmas 1826 -37,520004 1,180725 0,6366 0,4053 14,2217
8. Paranavaí 1826 -13,224990 0,915364 0,7878 0,6207 10,7328
9. Pinhais 1826 -11,329379 0,898112 0,4988 0,2488 14,7235
61
Nos resultados da Tabela 19 observa-se que os coeficientes de

determinação (R 2 ) apresentaram valores entre 0,2488 para a região de Pinhais
e 0,6207 para a região de Paranavaí. Os coeficientes de correlação (r)
variaram de 0,4988 a 0,7878 para as mesmas regiões, indicando uma
associação moderada entre as variáveis. Os erros-padrão residuais variaram
de 10,4485 para a região de Campo Mourão a 14,7235 para a região de
Pinhais.

REGRESSÃO NÃO LINEAR
FORMA GERAL: UR13=b0 UR09 b1
dias s y.x
1. Cambará 1826 0,145179 1,339900 0,6319 0,3993 0,2233

2. Campo Mourão 1826 0,163997 1,347970 0,7828 0,6128 0,1722
3. Cândido de Abreu 1826 0,229896 1,260350 0,6766 0,4579 0,1979
4. Cascavel 1826 0,207429 1,297680 0,8050 0,6481 0,1834
5. Guarapuava 1826 0,313047 1,184270 0,5711 0,3262 0,2492
6. Londrina 1826 0,077155 1,496090 0,7503 0,5630 0,1937
7. Palmas 1826 0,045112 1,621760 0,6456 0,4169 0,2400
8. Paranavaí 1826 0,318966 1,190120 0,8198 0,6721 0,1725
9. Pinhais 1826 0,348966 1,170680 0,5022 0,2522 0,2329

determinação (R 2 ) apresentaram valores entre 0,2522 para a região de Pinhais
e 0,6721 para a região de Paranavaí. Os coeficientes de correlação (r)
variaram de 0,5022 a 0,8198 para as mesmas regiões, indicando uma
associação moderada entre as variáveis. Os erros-padrão residuais variaram
de 0,1722 para a região de Campo Mourão a 0,2492 para a região de
Guarapuava.
62

REGRESSÃO POLINOMIAL
FORMA GERAL: UR13=b0 + b1 UR09 +b2 UR092
Estação Núm. b0 b1 b2 r R2
dias s y.x
1. Cambará 1826 47,6692 -0,773259 0,01024350 0,5983 0,3580 13,5633

2. Campo Mourão 1826 16,3872 0,043664 0,00636449 0,7771 0,5856 10,3723
3. Cândido de Abreu 1826 35,7928 -0,383142 0,00821597 0,6671 0,4450 12,0734
4. Cascavel 1826 13,0368 0,173130 0,00539209 0,7710 0,5945 12,0017
5. Guarapuava 1826 58,3571 -0,941114 0,01139580 0,5749 0,3305 14,6617
6. Londrina 1826 64,0806 -1,312850 0,01469240 0,7277 0,5295 12,3120
7. Palmas 1826 55,0710 -1,136550 0,01424080 0,6456 0,4168 14,0876
8. Paranavaí 1826 22,8567 -0,074597 0,00652370 0,7941 0,6306 10,5942
9. Pinhais 1826 29,8704 -0,109368 0,00603885 0,5007 0,2507 14,7087

determinação (R2) apresentaram valores entre 0,2507 para a região de Pinhais e
0,6306 para a região de Paranavaí. Os coeficientes de correlação (r) variaram de
0,5007 a 0,7941 para as mesmas regiões, indicando uma associação moderada
entre as variáveis. Os erros-padrão residuais variaram de 10,3723 para a região de
Campo Mourão a 14,7087 para a região de Pinhais.

REGRESSÃO EXPONENCIAL
FORMA GERAL: UR13 = e (b0 + b1 UR09)
dias s y.x
1. Cambará 1826 2,58915 0,0166835 0,6347 0,4028 0,2226

2. Campo Mourão 1826 2,63712 0,0180793 0,7810 0,6099 0,1728
3. Cândido de Abreu 1826 2,75955 0,0159873 0,6774 0,4588 0,1978
4. Cascavel 1826 2,70173 0,0173426 0,8031 0,6450 0,1842
5. Guarapuava 1826 2,77547 0,0154284 0,5777 0,3337 0,2478
6. Londrina 1826 2,46080 0,0188826 0,7555 0,5708 0,1920
7. Palmas 1826 2,34618 0,0205529 0,6501 0,4226 0,2389
8. Paranavaí 1826 2,73265 0,0164929 0,8210 0,6740 0,1720
9. Pinhais 1826 2,91338 0,0143782 0,5037 0,2537 0,2327
63

0,6740 para a região de Paranavaí. Os coeficientes de correlação (r) variaram de
0,5037 a 0,8210 para as mesmas regiões, indicando uma associação moderada
entre as variáveis. Os erros-padrão residuais variaram de 0,1720 para a região de
Paranavaí a 0,2478 para a região de Guarapuava.
Comparando-se os resultados obtidos, pode-se verificar que o modelo de
regressão exponencial teve o melhor desempenho e, portanto, foi escolhido para
realizar a correção da umidade relativa das 9:00 para as 13:00 h para todas as nove
regiões estudadas.
4.2.2 Correção da Umidade Relativa das 15:00 para as 13:00 h
As estatísticas das equações de regressão para a correção da

umidade relativa das 15:00 para as 13:00 h são apresentados nas Tabelas
23, 24 25 e 26.

REGRESSÃO LINEAR SIMPLES
FORMA GERAL: UR13=b0 + b1 UR15
dias s y.x
1. Cambará 1826 15,796051 0,824720 0,9107 0,8294 6,9897

2. Campo Mourão 1826 13,542475 0,826819 0,9274 0,8602 6,0224
3. Cândido de Abreu 1826 16,364563 0,788203 0,8981 0,8066 7,1242
4. Cascavel 1826 10,541700 0,882762 0,9311 0,8670 6,8706
5. Guarapuava 1826 13,801356 0,807103 0,8972 0,8049 7,9111
6. Londrina 1826 15,024985 0,834608 0,9295 0,8639 6,6181
7. Palmas 1826 11,627227 0,859417 0,9359 0,8759 6,4946
8. Paranavaí 1826 12,098045 0,847429 0,9149 0,8370 7,0349
9. Pinhais 1826 14,468765 0,809715 0,9008 0,8114 7,3766

0,8759 para a região de Palmas. Os coeficientes de correlação (r) variaram de
64
0,90008 a 0,9359 para as mesmas regiões, indicando uma forte associação entre as
variáveis. Os erros-padrão residuais variaram de 6,0224 para a região de Campo
Mourão a 7,9111 para a região de Guarapuava.

REGRESSÃO NÃO LINEAR
dias s y.x
1. Cambará 1826 2,907430 0,761476 0,9222 0,8505 0,1114

2. Campo Mourão 1826 2,415780 0,798378 0,9398 0,8834 0,0945
3. Cândido de Abreu 1826 2,942600 0,751905 0,9100 0,8281 0,1114
4. Cascavel 1826 1,885150 0,859736 0,9473 0,8974 0,0990
5. Guarapuava 1826 2,283660 0,807627 0,9156 0,8384 0,1220
6. Londrina 1826 2,563460 0,791544 0,9412 0,8859 0,0990
7. Palmas 1826 2,056100 0,837442 0,9456 0,8942 0,1023
8. Paranavaí 1826 2,276050 0,812036 0,9313 0,8674 0,1097
9. Pinhais 1826 2,586640 0,780330 0,9053 0,8196 0,1144

0,8974 para a região de Cascavel. Os coeficientes de correlação (r) variaram de
65

REGRESSÃO POLINOMIAL
FORMA GERAL: UR13=b0 + b1 UR15 + b2 UR15 2
Estação Núm. b0 b1 b2 r R2
dias s y.x
1. Cambará 1826 1,42248 1,35689 -0,00440341 0,9175 0,8419 6,7297

2. Campo Mourão 1826 3,02869 1,20058 -0,00301561 0,9306 0,8661 5,8969
3. Cândido de Abreu 1826 5,11872 1,18160 -0,00311866 0,9016 0,8129 7,0099
4. Cascavel 1826 -2,39515 1,32617 -0,00342707 0,9345 0,8733 6,7096
5. Guarapuava 1826 -1,82492 1,34682 -0,00420042 0,9028 0,8150 7,7069
6. Londrina 1826 -0,90149 1,38922 -0,00431941 0,9358 0,8757 6,3270
7. Palmas 1826 -1,17005 1,31209 -0,00359093 0,9396 0,8828 6,3149
8. Paranavaí 1826 0,14285 1,28453 -0,00355080 0,9192 0,8450 6,8633
9. Pinhais 1826 9,18935 0,98362 -0,00131404 0,9013 0,8123 7,3612

0,8828 para a região de Palmas. Os coeficientes de correlação (r) variaram de

REGRESSÃO EXPONENCIAL
FORMA GERAL: UR13 = e (b0 + b1 UR15)
dias s y.x
1. Cambará 1826 3,32104 0,0136788 0,8873 0,7873 0,1328

2. Campo Mourão 1826 3,27932 0,0138508 0,9044 0,8179 0,1181
3. Cândido de Abreu 1826 3,35067 0,0128054 0,8794 0,7733 0,1279
4. Cascavel 1826 3,24994 0,0142702 0,9175 0,8419 0,1229
5. Guarapuava 1826 3,28216 0,0134119 0,8797 0,7739 0,1443
6. Londrina 1826 3,33856 0,0132774 0,9055 0,8198 0,1244
7. Palmas 1826 3,24214 0,0142922 0,9131 0,8337 0,1282
8. Paranavaí 1826 3,23865 0,0143359 0,8951 0,8012 0,1343
9. Pinhais 1826 3,34757 0,0126528 0,8879 0,7883 0,1239
66

determinação (R2) apresentaram valores entre 0,7733 para a região de Cândido de
Abreu e 0,8419 para a região de Cascavel. Os coeficientes de correlação (r)
variaram de 0,8794 a 0,9175 para as mesmas regiões, indicando uma forte
associação entre as variáveis. Os erros-padrão residuais variaram de 0,1181 para a
região de Campo Mourão a 0,1343 para a região de Guarapuava.
Por apresentar melhores resultados, o modelo de regressão não linear foi
escolhido para fazer a correção da umidade relativa das 15:00 para as 13:00 h para
todas as regiões estudadas.
4.3 ANÁLISE DE COVARIÂNCIA
Como as equações selecionadas para fazer a correção da umidade

relativa das 9:00 para as 13:00 h são do mesmo tipo e as equações selecionadas
para fazer a correção da umidade relativa das 15:00 para as 13:00 h são também de
um mesmo tipo, cada um dos grupos pode ser comparado por meio da análise de
covariância (FREESE, 1967; DRAPPER e SMITH, 1981; NUNES, 1981), tomando
como base o nível de significância de 0,05.
Foram realizadas comparações das equações selecionadas por meio da
análise de covariância para cada região, para a correção da umidade relativa das
9:00h para as 13:00 h e das 15:00 para as 13:00 h. O resultado final das análises é
apresentado na Tabela 27; as análises e resultados detalhados encontram-se nos
Apêndices 1 e 2.
Duas equações são consideradas estatisticamente iguais quando os
testes de significância entre as inclinações das curvas e das constantes de
regressão, que são as interseções das curvas com o eixo Y, apresentam
resultados estatisticamente semelhantes, ou seja, não apresentam diferença
significativa para o nível de significância tomado como base. Como mostra a Tabela
27, todas as comparações apresentaram resultados não significativos. Neste caso,
novas equações foram ajustadas com base nos valores combinados de todas as
regiões, que deram origem aos dois grupos de equações.
67
TABELA 27 – RELAÇÃO DE ANÁLISES DE COVARIÂNCIA REALIZADOS ENTRE AS

EQUAÇÕES PARA CORREÇÃO DA UMIDADE RELATIVA
Análises 9:00 para 13:00 horas 15:00 para 13:00 horas

Cambará e Campo Mourão NS NS
Cambará e Cândido de Abreu NS NS
Cambará e Cascavel NS NS
Cambará e Guarapuava NS NS
Cambará e Londrina NS NS
Cambará e Palmas NS NS
Cambará e Paranavaí NS NS
Cambará e Pinhais NS NS
Campo Mourão e Cândido de Abreu NS NS
Campo Mourão e Cascavel NS NS
Campo Mourão e Guarapuava NS NS
Campo Mourão e Londrina NS NS
Campo Mourão e Palmas NS NS
Campo Mourão e Paranavaí NS NS
Campo Mourão e Pinhais NS NS
Cândido de Abreu e Cascavel NS NS
Cândido de Abreu e Guarapuava NS NS
Cândido de Abreu e Londrina NS NS
Cândido de Abreu e Palmas NS NS
Cândido de Abreu e Paranavaí NS NS
Cândido de Abreu e Pinhais NS NS
Cascavel e Guarapuava NS NS
Cascavel e Londrina NS NS
Cascavel e Palmas NS NS
Cascavel e Paranavaí NS NS
Cascavel e Pinhais NS NS
Guarapuava e Londrina NS NS
Guarapuava e Palmas NS NS
Guarapuava e Paranavaí NS NS
Guarapuava e Pinhais NS NS
Londrina e Palmas NS NS
Londrina e Paranavaí NS NS
Londrina e Pinhais NS NS
Palmas e Paranavaí NS NS
Palmas e Pinhais NS NS
Paranavaí e Pinhais NS NS
NS – não significativo ao nível de 95% de probabilidade
4.3.1 Correção da Umidade Relativa das 9:00 e das 15:00 para as 13:00 h com os
Dados Combinados
Com os dados combinados das nove regiões foram geradas as equações

globais para o Estado do Paraná, para a correção da umidade relativa das 9:00 e
das 15:00 para as 13:00 h.
Para o primeiro caso, correção da umidade relativa das 9:00 para as
68
13:00 h, foi gerada a equação segundo o modelo de regressão exponencial cujos

coeficientes são apresentados na Tabela 28.
TABELA 28 - CORREÇÃO DA UMIDADE RELATIVA DAS 9:00 PARA AS 13:00 h PARA O

ESTADO DO PARANÁ - REGRESSÃO EXPONENCIAL
FORMA GERAL: UR13 = e (b0 + b1 . UR09)
Estação Núm r R2
b0 b1 s y.x
dias
Todas 16434 2,72976 0,0162192 0,6898 0,4759 0,2147
Observa-se que o coeficiente de determinação (R2) foi de 0,4759 e o

coeficiente de correlação (r) de 0,6898, o que indica uma associação moderada
entre as variáveis. O erro-padrão residual foi de 0,2147.
A equação para realizar a correção da umidade relativa das 9:00 para as
13:00 h para o Estado do Paraná tem o seguinte formato:
(2,72976 + 0,0162192 UR )
UR13 = e 09
Para o segundo caso, correção da umidade relativa das 15:00 para as

13:00 h, foi gerada a equação segundo o modelo de regressão não linear, cujos
coeficientes são apresentados na Tabela 29.
TABELA 29 - CORREÇÃO DA UMIDADE RELATIVA DAS 15:00 PARA AS 13:00 h

PARA O ESTADO DO PARANÁ - REGRESSÃO NÃO LINEAR
Estação Núm. r R2
b0 b1 s y.x
dias
Todas 16434 2,451510 0,796072 0,9295 0,8639 0,1094
Observa-se que o coeficiente de determinação (R2) foi de 0,8639 e o

coeficiente de correlação (r) foi de 0,9295, o que indica uma forte associação entre
as variáveis. O erro-padrão residual foi de 0,1094.
A equação para realizar a correção da umidade relativa das 15:00 para as
13:00 h para o Estado do Paraná tem o seguinte formato:
0,796072
UR13 = 2,451510 . UR15
69
4.4 INCORPORAÇÃO DA VELOCIDADE DO VENTO À FÓRMULA DE MONTE

ALEGRE
4.4.1 Definição dos Modelos Lineares
Foi gerada uma tabela com valores de fatores de propagação obtidos

para cada modelo linear proposto (Tabela 30). Vale ressaltar que os valores
apresentados na Tabela 30 se referem a valores inteiros de velocidade do vento,
usados apenas para fins de ilustração. A fórmula proposta gerava valores de fator de
propagação considerando velocidades do vento em um espaço contínuo. Para se ter
uma idéia do comportamento dos oito modelos lineares, os valores de fatores de
propagação obtidos são apresentados graficamente na Figura 13.
TABELA 30 – FATORES DE PROPAGAÇÃO LINEARES
Velocidade Fatores de propagação

do
vento(m/s) FMAVL1 FMAVL2 FMAVL3 FMAVL4 FMAVL5 FMAVL6 FMAVL7 FMAVL8
0 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,00
1 1,05 1,10 1,15 1,20 1,25 1,30 1,35 1,40
2 1,10 1,20 1,30 1,40 1,50 1,60 1,70 1,80
3 1,15 1,30 1,45 1,60 1,75 1,90 2,05 2,20
4 1,20 1,40 1,60 1,80 2,00 2,20 2,40 2,60
5 1,25 1,50 1,75 2,00 2,25 2,50 2,75 3,00
6 1,30 1,60 1,90 2,20 2,50 2,80 3,10 3,40
7 1,35 1,70 2,05 2,40 2,75 3,10 3,45 3,80
8 1,40 1,80 2,20 2,60 3,00 3,40 3,80 4,20
9 1,45 1,90 2,35 2,80 3,25 3,70 4,15 4,60
10 1,50 2,00 2,50 3,00 3,50 4,00 4,50 5,00
11 1,55 2,10 2,65 3,20 3,75 4,30 4,85 5,40
12 1,60 2,20 2,80 3,40 4,00 4,60 5,20 5,80
13 1,65 2,30 2,95 3,60 4,25 4,90 5,55 6,20
14 1,70 2,40 3,10 3,80 4,50 5,20 5,90 6,60
15 1,75 2,50 3,25 4,00 4,75 5,50 6,25 7,00
16 1,80 2,60 3,40 4,20 5,00 5,80 6,60 7,40
17 1,85 2,70 3,55 4,40 5,25 6,10 6,95 7,80
18 1,90 2,80 3,70 4,60 5,50 6,40 7,30 8,20
19 1,95 2,90 3,85 4,80 5,75 6,70 7,65 8,60
20 2,00 3,00 4,00 5,00 6,00 7,00 8,00 9,00
70
FIGURA 13 – FATORES DE PROPAGAÇÃO LINEARES
4.4.2 Definição dos Modelos Exponenciais
Foi gerada uma tabela com valores de fatores de propagação obtidos

para cada modelo exponencial proposto (Tabela 31). Vale ressaltar que os valores
apresentados na Tabela 31 se referem a valores inteiros de velocidade do vento,
usados apenas para fins de ilustração. As fórmula propostas geravam valores de
fator de propagação considerando velocidades do vento em um espaço contínuo.
Para se ter uma idéia do comportamento dos sete modelos exponenciais, os valores
de fatores de propagação obtidos são apresentados graficamente na Figura 14.
71
TABELA 31 – FATORES DE PROPAGAÇÃO EXPONENCIAIS
Velocidade Fatores de propagação

do
vento(m/s) VWagner FMAVE1 FMAVE2 FMAVE3 FMAVE4 FMAVE5 FMAVE6
0 1,00 1,00 1,00 1,00 1,00 1,00 1,00
1 1,05 1,04 1,06 1,07 1,08 1,09 1,11
2 1,11 1,08 1,13 1,15 1,17 1,20 1,22
3 1,16 1,13 1,20 1,23 1,27 1,31 1,35
4 1,22 1,17 1,27 1,32 1,38 1,43 1,49
5 1,29 1,22 1,35 1,42 1,49 1,57 1,65
6 1,35 1,27 1,43 1,52 1,62 1,72 1,82
7 1,42 1,32 1,52 1,63 1,75 1,88 2,01
8 1,50 1,38 1,62 1,75 1,90 2,05 2,23
9 1,57 1,43 1,72 1,88 2,05 2,25 2,46
10 1,66 1,49 1,82 2,01 2,23 2,46 2,72
11 1,74 1,55 1,93 2,16 2,41 2,69 3,00
12 1,83 1,62 2,05 2,32 2,61 2,94 3,32
13 1,93 1,68 2,18 2,48 2,83 3,22 3,67
14 2,02 1,75 2,32 2,66 3,06 3,53 4,06
15 2,13 1,82 2,46 2,86 3,32 3,86 4,48
16 2,24 1,90 2,61 3,06 3,60 4,22 4,95
17 2,36 1,97 2,77 3,29 3,90 4,62 5,47
18 2,48 2,05 2,94 3,53 4,22 5,05 6,05
19 2,60 2,14 3,13 3,78 4,57 5,53 6,69
20 2,74 2,23 3,32 4,06 4,95 6,05 7,39
FIGURA 14 – FATORES DE PROPAGAÇÃO EXPONENCIAIS

72
4.4.3 Definição dos Procedimentos Computacionais
Com base nos oito modelos lineares e dos sete modelos exponenciais
propostos foram desenvolvidos programas na linguagem Pascal, listados nos
Apêndices 3 e 4, visando gerar os índices de perigo diários, para a área da Klabin do
Paraná, localizada em Telêmaco Borba. Além de apresentar os índices gerados para
a Fórmula de Monte Alegre Alterada que incorpora a velocidade do vento, é
apresentado também o índice gerado pela Fórmula de Monte Alegre sem considerar
a velocidade do vento.
Os programas produziram saídas em arquivos, cujos exemplos são
apresentados nas tabelas 32 e 33 e nos Apêndices 5 e 6
TABELA 32 – EXEMPLO DE SAÍDA DO PROGRAMA PARA OS MODELOS LINEARES
Telêmaco Borba
DATA UR13 Vento Prec FMA FMAVL1 FMAVL6 FMAVL7 FMAVL8
1/6/1998 61.00 1.40 0.00 1.64 1.75 2.33 2.44 2.56
2/6/1998 51.00 1.40 0.00 3.60 3.85 5.11 5.36 5.62
3/6/1998 63.00 1.80 0.00 5.19 5.65 7.99 8.46 8.92
4/6/1998 49.00 1.60 0.00 7.23 7.81 ... 10.70 11.28 11.85
5/6/1998 55.00 2.10 0.00 9.05 10.00 14.75 15.70 16.65
6/6/1998 65.00 2.30 0.00 10.58 11.80 17.89 19.11 20.32
7/6/1998 61.00 1.70 0.00 12.22 13.26 18.46 19.50 20.54
8/6/1998 60.00 1.40 0.00 13.89 14.86 19.73 20.70 21.67
9/6/1998 52.00 1.30 0.00 15.81 16.84 21.98 23.01 24.04
TABELA 33 – EXEMPLO DE SAÍDA DO PROGRAMA PARA OS MODELOS

EXPONENCIAIS
Telêmaco Borba
DATA UR13 Vento Prec FMA VWagner FMAVE1 FMAVE4 FMAVE5 FMAVE6
1/6/1998 61.00 1.40 0.00 1.64 1.76 1.73 1.83 1.86 1.89
2/6/1998 51.00 1.40 0.00 3.60 3.86 3.81 4.03 4.08 4.14
3/6/1998 63.00 1.80 0.00 5.19 5.68 5.57 5.99 6.10 6.21
4/6/1998 49.00 1.60 0.00 7.23 7.84 7.71 ... 8.22 8.35 8.48
5/6/1998 55.00 2.10 0.00 9.05 10.06 9.84 10.70 10.93 11.16
6/6/1998 65.00 2.30 0.00 10.58 11.89 11.60 12.72 13.02 13.32
7/6/1998 61.00 1.70 0.00 12.22 13.32 13.08 14.01 14.25 14.49
8/6/1998 60.00 1.40 0.00 13.89 14.91 14.69 15.54 15.76 15.98
9/6/1998 52.00 1.30 0.00 15.81 16.88 16.66 17.55 17.78 18.01
Segundo VIEGAS (1994), a melhor forma de comparar diferentes índices

de perigo de incêndios florestais é submetê-los aos mesmos dados meteorológicos e
73
de ocorrência de incêndios. A seguir são apresentadas as comparações entre os

modelos propostos, com a finalidade de verificar o desempenho de cada um deles.
4.4.4 Número de Dias Previstos pelos Modelos
A primeira comparação realizada entre os modelos refere-se ao número

de dias previstos em cada classe de perigo. Na Tabela 34 e na Figura 15 observam-
se os valores obtidos pelos modelos lineares. Verifica-se uma tendência dos
modelos lineares concentrarem o percentual de número de dias nas classes de
perigo mais altas e esta tendência chegou próximo a 60% se forem consideradas as
classes Alto e Muito Alto para o modelo FMAVL8. Por outro lado, o percentual do
número de dias nas classes Nulo, Pequeno e Médio ficou em torno de 40% para o
modelo FMAVL8.
Observou-se também que a concentração do número de dias nas classes
Alto e Muito Alto foi crescente, do modelo FMAVL1 para o modelo FMAVL8.
TABELA 34 – DISTRIBUIÇÃO DO NÚMERO DE DIAS PREVISTOS EM CADA NÍVEL DE

PERIGO DAS ESCALAS DA FMA E DOS MODELOS LINEARES
PROPOSTOS
Dias no Período - Klabin

FMA FMAVL1 FMAVL2 FMAVL3 FMAVL4
Perigo
nº % nº % nº % nº % nº %
Nulo 264 14,46 233 12,76 224 12,27 222 12,16 222 12,16
Pequeno 258 14,13 266 14,57 261 14,29 238 13,03 220 12,05
Médio 478 26,18 461 25,25 439 24,04 437 23,93 425 23,27
Alto 536 29,35 543 29,74 544 29,79 545 29,85 556 30,45
Muito Alto 290 15,88 323 17,69 358 19,61 384 21,03 403 22,07
TOTAL 1826 100,00 1826 100,00 1826 100,00 1826 100,00 1826 100,00
Perigo FMA FMAVL5 FMAVL6 FMAVL7 FMAVL8

Nulo 264 14,46 222 12,16 223 12,21 223 12,21 223 12,21
Pequeno 258 14,13 205 11,23 190 10,41 181 9,91 173 9,47
Médio 478 26,18 400 21,91 392 21,47 380 20,81 367 20,10
Alto 536 29,35 561 30,72 559 30,61 544 29,79 530 29,03
Muito Alto 290 15,88 438 23,99 462 25,30 498 27,27 533 29,19
TOTAL 1826 100,00 1826 100,00 1826 100,00 1826 100,00 1826 100,00
74
FIGURA 15 – PORCENTAGEM DO NÚMERO DE DIAS PREVISTOS EM CADA NÍVEL DE

PERIGO DAS ESCALAS DA FMA E DOS MODELOS LINEARES
PROPOSTOS
Nulo Pequeno Médio Alto Muito Alto

35
Porcentagem de Dias Previstos
30
25
20
15
10
0
FMA FMAVL1 FMAVL2 FMAVL3 FMAVL4 FMAVL5 FMAVL6 FMAVL7 FMAVL8
Índices
Na Tabela 35 e na Figura 16 observam-se os valores obtidos pelos

modelos exponenciais. Verificou-se também a tendência de os modelos
exponenciais concentrarem o percentual de número de dias nas classes de perigo
mais altas. No entanto, esta tendência foi menor do que a observada para os
modelos lineares, ficando próximo a 50% quando consideradas as classes de perigo
Alto e Muito Alto para o modelo FMAVE6. Por outro lado, o percentual de número de
dias nas classes de perigo Nulo, Pequeno e Médio somadas ficou em torno de 50%
para o modelo FMAVE6.
Observou-se também que a concentração do percentual de número de
dias nas classes de perigo Alto e Muito alto foi crescente, do modelo FMAVE1 para o
modelo FMAVE6.
SOARES (1998b) fazendo comparação entre a Fórmula de Monte Alegre
e o IPIR (Índice de Perigo de Incêndios da Rigesa) no município de Três Barras no
Estado de Santa Catarina, encontrou a mesma tendência para a Fórmula de Monte
Alegre, tendo encontrado os percentuais de 31,9 e 17,7% para as classes de perigo
Alto e Muito Alto, respectivamente. O mesmo autor observou que 67,8% do número
de dias ficaram na classe de perigo Nulo/Baixo.
75
TABELA 35 – DISTRIBUIÇÃO DO NÚMERO DE DIAS PREVISTOS EM CADA NÍVEL DE

PERIGO DAS ESCALAS DA FMA E DOS MODELOS EXPONENCIAIS
PROPOSTOS

FMA VWagner FMAVE1 FMAVE2 FMAVE3 FMAVE4 FMAVE5 FMAVE6
Perigo
nº % nº % nº % nº % nº % nº % nº % nº %
Nulo 264 14,46 231 12,65 242 13,25 229 12,54 225 12,32 224 12,27 224 12,27 224 12,27
Pequeno 258 14,13 268 14,68 261 14,29 268 14,68 266 14,57 262 14,35 261 14,29 254 13,91
Médio 478 26,18 460 25,19 463 25,36 455 24,92 455 24,92 450 24,64 440 24,10 445 24,37
Alto 536 29,35 543 29,74 543 29,74 537 29,41 539 29,52 541 29,63 544 29,79 541 29,63
Muito Alto 290 15,88 324 17,74 317 17,36 337 18,46 341 18,67 349 19,11 357 19,55 362 19,82
TOTAL 1826 100,00 1826 100,00 1826 100,00 1826 100,00 1826 100,00 1826 100,00 1826 100,00 1826 100,00
FIGURA 16 – PORCENTAGEM DO NÚMERO DE DIAS PREVISTOS EM CADA NÍVEL DE

PERIGO DAS ESCALAS DA FMA E DOS MODELOS EXPONENCIAIS
PROPOSTOS

35
30
25
20
15
10
0
Índices
4.4.5 Ocorrência de Incêndios Florestais
Foram também analisados os incêndios florestais ocorridos e registrados

na região de Telêmaco Borba, considerando os modelos lineares e os modelos
exponenciais.
Na Tabela 36 e na Figura 17 observa-se a distribuição das ocorrências de
incêndios nas classes de perigo e os respectivos percentuais para os modelos
76
lineares. Verificou-se uma tendência de os incêndios se concentrarem nas classes

de perigo Alto e Muito Alto, variando de 80 a 90% se for considerado o somatório
dessas duas classes. Esta tendência foi crescente do modelo FMAVL1 para o
modelo FMAVL8 e, apesar de ser uma situação desejável, observou-se uma
distribuição desbalanceada com forte concentração nas classes de perigo Alto e
Muito Alto quando se comparou com a Fórmula de Monte Alegre, que apresentou
uma melhor distribuição.
TABELA 36 – DISTRIBUIÇÃO DAS OCORRÊNCIAS DE INCÊNDIOS OBSERVADOS EM

CADA NÍVEL DE PERIGO DAS ESCALAS DA FMA E DOS MODELOS
LINEARES PROPOSTOS
Incêndios Registrados no Período - Klabin

Nulo 8 4,55 8 4,55 8 4,55 8 4,55 8 4,55
Pequeno 3 1,70 3 1,70 2 1,14 2 1,14 2 1,14
Médio 22 12,50 20 11,36 19 10,80 19 10,80 17 9,66
Alto 53 30,11 49 27,84 48 27,27 45 25,57 44 25,00
Muito Alto 90 51,14 96 54,55 99 56,25 102 57,95 105 59,66
TOTAL 176 100,00 176 100,00 176 100,00 176 100,00 176 100,00

Nulo 8 4,55 8 4,55 8 4,55 8 4,55 8 4,55
Pequeno 3 1,70 1 0,57 1 0,57 1 0,57 1 0,57
Médio 22 12,50 17 9,66 15 8,52 13 7,39 12 6,82
Alto 53 30,11 43 24,43 40 22,73 35 19,89 34 19,32
Muito Alto 90 51,14 107 60,80 112 63,64 119 67,61 121 68,75
TOTAL 176 100,00 176 100,00 176 100,00 176 100,00 176 100,00
77
FIGURA 17 – PORCENTAGEM DE INCÊNDIOS OCORRIDOS, OBSERVADOS EM CADA

NÍVEL DE PERIGO DAS ESCALAS DA FMA E DOS MODELOS LINEARES
PROPOSTOS

80,00
Porcentagem de Incêndios Ocorridos
70,00
60,00
50,00
40,00
30,00
20,00
10,00
0,00
Índices
Na Tabela 37 e na Figura 18 são apresentados os valores obtidos pelos

modelos exponenciais. Verificou-se também uma tendência de os incêndios se
concentrarem nas classes de perigo Alto e Muito Alto. No entanto, esses valores
foram menores que os valores observados para os modelos lineares, variando entre
81 e 84% considerando-se essas duas classes de perigo. Esta tendência foi
crescente do modelo FMAVE1 para o modelo FMAVE6 e, apesar de ser também
uma situação desejável, observou-se uma distribuição desbalanceada, com forte
concentração nas classes de perigo Alto e Muito Alto quando se comparou com a
Fórmula de Monte Alegre, que apresentou uma melhor distribuição.
SOARES (1998a) analisou a distribuição da ocorrência de incêndios no
distrito florestal de Monte Alegre e observou que no período de 1965 a 1971, os
percentuais foram de 27,5 e 50,7% para as classes de perigo IV e V,
respectivamente e, no período de 1971 a 1990, de 31,7 e 52,5, respectivamente.
SOARES (1998b), analisando dados do norte do Estado de Santa
Catarina, observou que enquanto 87% dos incêndios ocorreram em dias em que a
Fórmula de Monte Alegre indicava grau de perigo muito alto, nenhuma ocorrência foi
observada pelo IPIR. De acordo com o IPIR, a maioria (45,8%) dos incêndios
78
ocorreram quando as condições de perigo indicadas pelo índice eram moderadas,

subestimando o grau de perigo de incêndios.
TABELA 37 – DISTRIBUIÇÃO DAS OCORRÊNCIAS DE INCÊNDIOS OBSERVADOS EM

CADA NÍVEL DE PERIGO DAS ESCALAS DA FMA E DOS MODELOS
EXPONENCIAIS PROPOSTOS

Perigo
nº % nº % nº % nº % nº % nº % nº % nº %
Nulo 8 4,55 8 4,55 8 4,55 8 4,55 8 4,55 8 4,55 8 4,55 8 4,55
Pequeno 3 1,70 3 1,70 3 1,70 2 1,14 2 1,14 2 1,14 2 1,14 2 1,14
Médio 22 12,50 20 11,36 22 12,50 21 11,93 21 11,93 19 10,80 19 10,80 19 10,80
Alto 53 30,11 50 28,41 49 27,84 49 27,84 48 27,27 48 27,27 48 27,27 48 27,27
Muito Alto 90 51,14 95 53,98 94 53,41 96 54,55 97 55,11 99 56,25 99 56,25 99 56,25
TOTAL 176 100,00 176 100,00 176 100,00 176 100,00 176 100,00 176 100,00 176 100,00 176 100,00
FIGURA 18 – PORCENTAGEM DE INCÊNDIOS OCORRIDOS, OBSERVADOS EM CADA

NÍVEL DE PERIGO DAS ESCALAS DA FMA E DOS MODELOS
EXPONENCIAIS PROPOSTOS
60,00
50,00
40,00
30,00
20,00
10,00
0,00
Índices
79
4.4.6 Áreas Queimadas
Com base nos modelos lineares foram analisadas as áreas queimadas

pelos incêndios florestais ocorridos na região de Telêmaco Borba em cada classe de
perigo.
Na Tabela 38 e na Figura 19 são apresentados os valores e os
percentuais de áreas queimadas, referentes à escala de perigo para os modelos
lineares. Verificou-se que os modelos lineares apresentaram uma tendência
crescente de percentuais de área queimada da classe de perigo Nulo para a classe
de perigo Muito Alto, o que é uma situação desejável. No entanto, superestimaram a
área queimada na classe de perigo Muito Alto, com percentuais que variaram entre
68 e 83% da área queimada nesta classe.
TABELA 38 – DISTRIBUIÇÃO DAS ÁREAS QUEIMADAS OBSERVADAS EM CADA NÍVEL

DE PERIGO DAS ESCALAS DA FMA E DOS MODELOS LINEARES
PROPOSTOS
Área Queimada (ha) no Período - Klabin

ha % ha % ha % ha % ha %
Nulo 0,49 0,30 0,49 0,30 0,49 0,30 0,49 0,30 0,49 0,30
Pequeno 0,15 0,09 3,10 1,87 3,10 1,87 3,10 1,87 3,10 1,87
Médio 16,35 9,86 5,38 3,24 5,29 3,19 5,29 3,19 3,70 2,23
Alto 34,97 21,09 42,31 25,51 38,11 22,98 33,72 20,33 26,06 15,71
Muito Alto 113,89 68,67 114,57 69,08 118,88 71,67 123,26 74,32 132,50 79,89
TOTAL 165,85 100,00 165,85 100,00 165,86 100,00 165,86 100,00 165,85 100,00

ha % ha % ha % ha % ha %
Nulo 0,49 0,30 0,49 0,30 0,49 0,30 0,49 0,30 0,49 0,30
Pequeno 0,15 0,09 0,06 0,03 0,06 0,03 0,06 0,03 0,06 0,03
Médio 16,35 9,86 6,27 3,78 6,24 3,76 6,24 3,76 5,93 3,58
Alto 34,97 21,09 26,51 15,98 23,11 13,93 21,84 13,17 22,13 13,34
Muito Alto 113,89 68,67 132,52 79,91 135,95 81,97 137,23 82,74 137,24 82,75
TOTAL 165,85 100,00 165,85 100,00 165,85 100,00 165,85 100,00 165,85 100,00
80
FIGURA 19 – PORCENTAGEM DE ÁREAS QUEIMADAS OBSERVADAS EM CADA NÍVEL

DE PERIGO DAS ESCALAS DA FMA E DOS MODELOS LINEARES
PROPOSTOS

90,00
80,00
Porcentagem de Área Queimada
70,00
60,00
50,00
40,00
30,00
20,00
10,00
0,00
Índices
Com base nos modelos exponenciais foram também analisadas as áreas

queimadas pelos incêndios florestais ocorridos na região de Telêmaco Borba em
cada classe de perigo.
modelos. Verificou-se que os modelos exponenciais também apresentaram uma
tendência crescente de percentuais de área queimada da classe Nulo para a classe
Muito Alto. No entanto, apesar de superestimar a área queimada na classe Muito
Alto, os percentuais ficaram praticamente constantes, próximos a 70% da área
queimada nesta classe de perigo para todos os modelos. Esses valores estão
situados em um patamar bem menor do que aqueles apresentados pelos modelos
lineares.
SOARES (1998a) analisou a distribuição de áreas queimadas por classe
de perigo comparando o índice de perigo de incêndios da Rigesa (IPIR) e a Fórmula
de Monte Alegre e observou que 99,2% da área queimada ocorreu na classe de
perigo V para a FMA e que o IPIR apresentou os percentuais de 46,5, 15,1 e 38,4%
nas classses II, III e IV, respectivamente.
81
TABELA 39 – DISTRIBUIÇÃO DAS ÁREAS QUEIMADAS OBSERVADAS EM CADA NÍVEL

DE PERIGO DAS ESCALAS DA FMA E DOS MODELOS EXPONENCIAIS
PROPOSTOS

Perigo FMA VWagner FMAVE1 FMAVE2
ha % ha % ha % ha %
Nulo 0,49 0,30 0,49 0,30 0,49 0,30 0,49 0,30
Pequeno 0,15 0,09 0,10 0,06 0,15 0,09 0,10 0,06
Médio 16,35 9,86 8,38 5,05 8,34 5,03 8,38 5,05
Alto 34,97 21,09 42,23 25,46 42,30 25,51 38,23 23,05
Muito Alto 113,89 68,67 114,66 69,13 114,57 69,08 118,66 71,54
TOTAL 165,85 100,00 165,85 100,00 165,85 100,00 165,85 100,00

Perigo FMAVE3 FMAVE4 FMAVE5 FMAVE6
ha % ha % ha % ha %
Nulo 0,49 0,30 0,49 0,30 0,49 0,30 0,49 0,30
Pequeno 0,10 0,06 0,10 0,06 0,10 0,06 0,10 0,06
Médio 8,38 5,05 8,29 5,00 8,29 5,00 8,29 5,00
Alto 38,23 23,05 38,10 22,97 38,10 22,97 38,10 22,97
Muito Alto 118,66 71,54 118,88 71,68 118,88 71,68 118,88 71,68
TOTAL 165,85 100,00 165,85 100,00 165,85 100,00 165,85 100,00
FIGURA 20 – PORCENTAGEM DE ÁREAS QUEIMADAS OBSERVADAS EM CADA NÍVEL

DE PERIGO DAS ESCALAS DA FMA E DOS MODELOS EXPONENCIAIS
PROPOSTOS

80,00
70,00
Porcentagem de Área Queimada
60,00
50,00
40,00
30,00
20,00
10,00
0,00
Índices
82
4.4.7 Áreas Queimadas Médias por Incêndios
Com base nos modelos lineares foram analisadas as áreas queimadas

médias de cada incêndio florestal ocorrido na região de Telêmaco Borba, em cada
classe de perigo.
Na Tabela 40 e na Figura 21 são apresentados os valores obtidos pelos
modelos. Verifica-se que os modelos lineares FMAVL1, FMAVL2, FMAVL3 e
FMAVL4 superestimaram a área queimada média na classe Pequeno. Os demais
modelos apresentaram distribuição semelhante em relação às áreas queimadas
médias em cada classe de perigo.
TABELA 40 – DISTRIBUIÇÃO DAS ÁREAS QUEIMADAS MÉDIAS POR INCÊNDIOS

OBSERVADAS EM CADA NÍVEL DE PERIGO DAS ESCALAS DA FMA E
DOS MODELOS LINEARES PROPOSTOS
Área Média Queimada por Incêndio - Klabin

Perigo
ha/incêndio
Nulo 0,06 0,06 0,06 0,06 0,06 0,06 0,06 0,06 0,06
Pequeno 0,05 1,03 1,55 1,55 1,55 0,06 0,06 0,06 0,06
Médio 0,74 0,27 0,28 0,28 0,22 0,37 0,42 0,48 0,49
Alto 0,66 0,86 0,79 0,75 0,59 0,62 0,58 0,62 0,65
Muito Alto 1,27 1,19 1,20 1,21 1,26 1,24 1,21 1,15 1,13
TOTAL 2,78 3,42 3,88 3,85 3,68 2,34 2,33 2,38 2,40
83
FIGURA 21 – PORCENTAGEM DAS ÁREAS QUEIMADAS MÉDIAS POR INCÊNDIOS

DOS MODELOS LINEARES PROPOSTOS

1,80
Área Queimada Média por Incêndio (ha)
1,60
1,40
1,20
1,00
0,80
0,60
0,40
0,20
0,00
Índices
A partir dos modelos exponenciais foram também analisadas as áreas

queimadas médias de cada incêndio florestal ocorrido na região de Telêmaco Borba
em cada classe de perigo.
Na Tabela 41 e nas Figuras 22 são mostrados os valores obtidos pelos
modelos. Verificou-se que os modelos exponenciais apresentaram um
comportamento muito semelhante no que se refere à área queimada média em
cada classe de perigo, com valores crescentes nas classes Médio, Alto e Muito Alto,
respectivamente, e uma pequena inversão decrescente nas classes Nulo e
Pequeno.
SOARES (1998a) encontrou, no Norte do Estado de Santa Catarina, para
o período de janeiro de 1988 a setembro de 1995 valores de área queimada média
de 1,2 e 24,1 ha/incêndio para as classes Alto e Muito Alto, respectivamente.
84
TABELA 41 – DISTRIBUIÇÃO DAS ÁREAS QUEIMADAS MÉDIAS POR INCÊNDIOS

DOS MODELOS EXPONENCIAIS PROPOSTOS
Área Queimada Média por Incêndio - Klabin

Perigo FMA VWagner FMAVE1 FMAVE2 FMAVE3 FMAVE4 FMAVE5 FMAVE6
ha/incêndio
Nulo 0,06 0,06 0,06 0,06 0,06 0,06 0,06 0,06
Pequeno 0,05 0,03 0,05 0,05 0,05 0,05 0,05 0,05
Médio 0,74 0,42 0,38 0,40 0,40 0,44 0,44 0,44
Alto 0,66 0,84 0,86 0,78 0,80 0,79 0,79 0,79
Muito Alto 1,27 1,21 1,22 1,24 1,22 1,20 1,20 1,20
TOTAL 2,78 2,56 2,57 2,53 2,53 2,54 2,54 2,54
FIGURA 22 – PORCENTAGEM DAS ÁREAS QUEIMADAS MÉDIAS POR INCÊNDIOS

DOS MODELOS EXPONENCIAIS PROPOSTOS

1,40
Área Queimada Média por Incêndio (ha)
1,20
1,00
0,80
0,60
0,40
0,20
0,00
Índices
4.5 SELEÇÃO DOS MELHORES MODELOS
Para comparar os modelos propostos foi utilizado o método skill score,

que se baseia na construção de uma tabela de contingência que contém os valores
observados e os valores previstos para um evento em uma população.
Com base na escala de perigo da Fórmula de Monte Alegre foi construída
uma tabela (Tabela 42) com os valores previstos e os valores observados de
85
incêndios. Considerou-se como não indicativo da probabilidade de ocorrência de

incêndios as classes de perigo Nulo e Pequeno e como indicativos da probabilidade
de ocorrência de incêndio as classes de perigo Médio, Alto e Muito Alto.
TABELA 42 – QUANTIDADE DE DIAS EM QUE OS ÍNDICES PREVIRAM OCORRÊNCIA E

NÃO OCORRÊNCIA DE INCÊNDIOS E OS RESPECTIVOS DIAS COM E
SEM INCÊNDIOS PARA A FMA E OS MODELOS PROPOSTOS
Valores
Índice Condição Observados Previstos
Nº de Dias Nº de Dias
FMA Incêndio 165 1304
Não incêndio 11 522
FMAVL1 Incêndio 165 1327
VWagner Incêndio 165 1327
FMAVE1 Incêndio 165 1323
86
A partir dos valores apresentados na Tabela 42 foram calculados o skill

score e as porcentagens de sucesso para cada modelo proposto. Todos os cálculos
realizados são apresentados no Apêndice 7.
A Tabela 43 e as Figuras 23 e 24 apresentam os valores obtidos para o
skill score e a porcentagem de sucesso para todos os modelos estudados. Pode-se
observar que os modelos exponenciais, de uma maneira geral, apresentaram
melhores resultados do que os lineares. Os modelos lineares apresentaram valores
de skill score variando de 0,0357 a 0,0473, enquanto os modelos exponenciais
apresentaram valores variando de 0,0462 a 0,0491. Os modelos lineares e os
exponenciais apresentaram valores de porcentagem de sucesso variando de 28,12 a
32,52, e de 32,17 a 33,37, respectivamente. Pode-se observar que a FMA apresenta
resultados superiores aos modelos propostos por estar sendo usada a sua escala de
perigo.
TABELA 43 – VALORES DE SKILL SCORE E PORCENTAGEM DE SUCESSO PARA A

FMA E PARA OS MODELOS PROPOSTOS
Porcentagem
Índice Skill score
de sucesso
FMA 0,0517 34,32
FMAVL1 0,0473 32,52
FMAVL2 0,0435 31,27
FMAVL3 0,0409 30,37
FMAVL4 0,0409 30,37
FMAVL5 0,0400 29,67
FMAVL6 0,0380 28,97
FMAVL7 0,0368 28,52
FMAVL8 0,0357 28,12
VWagner 0,0481 33,17
FMAVE1 0,0488 33,37
FMAVE2 0,0491 33,12
FMAVE3 0,0482 32,82
FMAVE4 0,0474 32,57
FMAVE5 0,0473 32,52
FMAVE6 0,0462 32,17
87
FIGURA 23 – VALORES DE SKILL SCORE PARA A FMA E PARA OS MODELOS

PROPOSTOS
0,0600
0,0500
0,0400
Skill Score
0,0300
0,0200
0,0100
0,0000
FMAVE1
FMAVE2
FMAVE3
FMAVE4
FMAVE5
FMAVE6
FMA
FMAVL1
FMAVL2
FMAVL3
FMAVL4
FMAVL5
FMAVL6
FMAVL7
FMAVL8
VWagner
Índices
FIGURA 24 – VALORES DE PORCENTAGEM DE SUCESSO PARA A FMA E PARA OS

MODELOS PROPOSTOS
40,00
Porcentagem de Sucesso
35,00
30,00
25,00
20,00
15,00
10,00
5,00
0,00
FMAVE1
FMAVE2
FMAVE3
FMAVE4
FMAVE5
FMAVE6
FMA
FMAVL1
FMAVL2
FMAVL3
FMAVL4
FMAVL5
FMAVL6
FMAVL7
FMAVL8
VWagner
Índices
88
Como o desempenho dos modelos exponenciais FMAVE1 e FMAVE2

foram considerados os melhores e apresentam valores bastante próximos, optou-se
por submeter os dois a novos testes de desempenho, depois de se proceder a uma
aferição dos mesmos.
4.6 AFERIÇÃO DOS MODELOS SELECIONADOS
4.6.1 Escala de Perigo para a FMA+
O passo seguinte para a escolha do melhor modelo foi fazer a aferição da

escala de perigo para os dois modelos selecionados, uma vez que até este ponto estava
sendo usada a escala de perigo da Fórmula de Monte Alegre original. A partir das
premissas de que o número de dias previstos em cada classe de perigo deveria ter uma
relação inversa com a classe de perigo e que as variáveis número de incêndios ocorridos,
área queimada e área queimada média em cada classe de perigo tivesse uma relação
direta com a classe de perigo foi estabelecida uma nova escala de perigo, apresentada na
Tabela 44 que mostra as alterações nos limites de cada classe.
TABELA 44 - ESCALA DE PERIGO PARA A FMA+
Valor da FMA Valor da FMA+ Grau de Perigo

≤ 1,0 ≤ 3,0 Nulo
1,1 a 3,0 3,1 a 8,0 Pequeno
3,1 a 8,0 8,1 a 14,0 Médio
8,1 a 20,0 14,1 a 24,0 Alto
> 20,0 > 24,0 Muito alto
Após a criação das novas classes de perigo foi feita uma alteração no
programa para calcular os índices de perigo com os modelos selecionados FMAVE1
e FMAVE2, incluindo as novas classes de perigo definidas. Os dados referentes à
região de Telêmaco Borba foram submetidos ao programa modificado e, a partir dos
resultados gerados pelo programa e dos dados de incêndios fornecidos pela Klabin
do Paraná, os modelos selecionados foram submetidos a uma nova análise de
desempenho, utilizando-se novamente o método skill score, com a determinação do
índice e das porcentagens de sucesso para ambos os modelos.
89
4.6.2 Número de Dias em cada Classe de Perigo Previstos pelos Modelos

Selecionados
Com base nos modelos exponenciais selecionados, FMAVE1 e FMAVE2

foram analisados o número de dias em cada classe de perigo para a região de
Telêmaco Borba.
modelos. Verificou-se que os dois modelos apresentaram distribuição semelhante
em relação ao número de dias previstos e aos valores percentuais de número de
dias previstos em cada grau de perigo. Observou-se que os maiores percentuais
(27,60 e 27,22%) se referem à classe de perigo Nulo e que os mesmos decresceram
nas classes de perigo Pequeno, Médio, Alto e Muito Alto, respectivamente.
A distribuição observada é uma condição desejável para o
comportamento do número de dias previstos e foi uma das premissas consideradas
para a aferição dos novos modelos.
TABELA 45 - DISTRIBUIÇÃO DO NÚMERO DE DIAS PREVISTOS EM CADA NÍVEL DE

PERIGO DAS ESCALAS DA FMA AFERIDA PARA OS MODELOS
SELECIONADOS
Dias no Período
FMAVE1 FMAVE2
Perigo
nº % nº %
Nulo 504 27,60 497 27,22
Pequeno 463 25,36 455 24,92
Médio 351 19,22 348 19,06
Alto 278 15,22 283 15,50
Muito Alto 230 12,60 243 13,31
TOTAL 1826 100,00 1826 100,00
90
FIGURA 25 - PORCENTAGEM DO NÚMERO DE DIAS PREVISTOS EM CADA NÍVEL DE

SELECIONADODS
FMAVE1 FMAVE2
30,00
25,00
20,00
15,00
10,00
5,00
0,00
Graus de Perigo
4.6.3 Ocorrência de Incêndios Florestais
Com base nos modelos exponenciais selecionados, FMAVE1 e FMAVE2,

foram analisadas as ocorrências de incêndios florestais observados em cada classe
de perigo para a região de Telêmaco Borba.
modelos para o número de incêndios registrados e os respectivos percentuais para
cada classe de perigo. Verificou-se que os dois modelos apresentaram distribuição
semelhante em relação ao número e ao percentual de ocorrência de incêndios
florestais em cada grau de perigo. Os maiores percentuais (47,16 e 48,30%) se
referem à classe de perigo Muito Alto e os mesmos decresceram nas classes de
perigo Alto, Médio, Pequeno e Nulo, respectivamente.
91
TABELA 46 – DISTRIBUIÇÃO DO NÚMERO DE INCÊNDIOS REGISTRADOS EM CADA

NÍVEL DE PERIGO DAS ESCALAS DA FMA AFERIDA PARA OS
MODELOS SELECIONADOS
Incêndios Registrados no Período

FMAVE1 FMAVE2
Perigo
nº % nº %
Nulo 9 5,11 13 7,39
Pequeno 20 11,36 19 10,80
Médio 22 12,50 22 12,50
Alto 42 23,86 37 21,02
Muito Alto 83 47,16 85 48,30
TOTAL 176 100,00 176 100,00
FIGURA 26 - PORCENTAGEM DE INCÊNDIOS OCORRIDOS EM CADA NÍVEL DE

SELECIONADOS
FMAVE1 FMAVE2
60,00
50,00
40,00
30,00
20,00
10,00
0,00
Graus de Perigo
92
4.6.4 Áreas Queimadas pelos Incêndios Florestais
Com base nos modelos exponenciais selecionados, FMAVE1 e FMAVE2,

foram analisadas as áreas queimadas pelos incêndios florestais registrados em cada
classe de perigo, para a região de Telêmaco Borba.
Na Tabela 47 e na Figura 27 observam-se os valores e os percentuais de
área queimada obtidos pelos modelos. Verificou-se que os dois modelos
apresentaram distribuições semelhantes em relação às áreas queimadas e
respectivos percentuais em cada classe de perigo. Observou-se que os maiores
percentuais (59,82 e 68,49%) se concentraram na classe de perigo Muito Alto e que
os mesmos decresceram nas classes de perigo Alto, Médio, Pequeno e Nulo,
respectivamente.
TABELA 47 – DISTRIBUIÇÃO DA ÁREA QUEIMADA EM CADA NÍVEL DE PERIGO DAS

ESCALAS DA FMA AFERIDA PARA OS MODELOS SELECIONADOS
Área Queimada (ha) no Período

FMAVE1 FMAVE2
Perigo
ha % ha %
Nulo 0,25 0,15 0,97 0,58
Pequeno 5,34 3,22 5,64 3,40
Médio 18,89 11,39 11,14 6,72
Alto 42,16 25,42 34,51 20,81
Muito Alto 99,21 59,82 113,59 68,49
TOTAL 165,85 100,00 165,85 100,00
93
FIGURA 27 – PORCENTAGEM DE ÁREA QUEIMADA EM CADA NÍVEL DE PERIGO DAS

ESCALAS DA FMA AFERIDA PARA OS MODELOS SELECIONADOS
FMAVE1 FMAVE2
80,00
Porcentagem de Área Queimada (%)
70,00
60,00
50,00
40,00
30,00
20,00
10,00
0,00
Graus de Perigo
4.6.5 Áreas Queimadas Médias por Incêndios
Com base nos modelos exponenciais selecionados, FMAVE1 e FMAVE2

foram analisadas as áreas queimadas médias por incêndio em cada classe de perigo
para a região de Telêmaco Borba.
modelos. Verificou-se que os dois modelos apresentaram distribuição semelhante
em relação às áreas queimadas em cada grau de perigo. Observou-se que os
maiores valores (1,20 e 1,27 ha/incêndio) para ambos os modelos se concentraram
na classe de perigo Muito Alto e que os mesmos decresceram nas classes de perigo
Alto, Médio, Pequeno e Nulo respectivamente. Os baixos valores de áreas
queimadas médias por incêndio são desejáveis, segundo SOARES (1998a) que
encontrou 24,1 ha/incêndio para a região Norte do Estado de Santa Catarina para a
Fórmula de Monte Alegre.
94
TABELA 48 – DISTRIBUIÇÃO ÁREA QUEIMADA MÉDIA POR INCÊNDIO EM CADA NÍVEL

DE PERIGO DAS ESCALAS DA FMA AFERIDA PARA OS MODELOS
SELECIONADOS
Área Queimada Média por Incêndio

FMAVE1 FMAVE2
Perigo
ha ha
Nulo 0,03 0,03
Pequeno 0,27 0,28
Médio 0,86 0,91
Alto 1,00 1,07
Muito Alto 1,20 1,27
TOTAL 3,35 3,56
FIGURA 28 - ÁREA QUEIMADA MÉDIA EM CADA NÍVEL DE PERIGO DAS ESCALAS DA

FMA AFERIDA PARA OS MODELOS SELECIONADOS
FMAVE1 FMAVE2
1,40
Área Queimada Média (ha)
1,20
1,00
0,80
0,60
0,40
0,20
0,00
Graus de Perigo
As Tabelas 49, 50, 51, 52 e 53 apresentam os cálculos de desempenho

para os modelos FMAVE1 e FMAVE2, seguindo a mesma metodologia adotada
anteriormente para o cálculo do desempenho de todos os modelos.
95
TABELA 49 – QUANTIDADE DE DIAS EM QUE OS ÍNDICES PREVIRAM OCORRÊNCIA E

NÃO OCORRÊNCIA DE INCÊNDIOS E OS RESPECTIVOS DIAS COM E
SEM INCÊNDIOS PARA OS MODELOS SELECIONADOS
Valores
Índice Condição Observados Previstos
Nº de Dias Nº de Dias
TABELA 50 – TABELA DE CONTINGÊNCIA PARA O MODELO FMAVE1
FMAVE1 – Tabela de contingência

Observado
Previsto Incêndio 147 859 1.006
Não incêndio 29 967 996
Total Observado 176 1.826 2.002
TABELA 51 – CÁLCULOS PARA O MODELO FMAVE1
FMAVE1 – Cálculos
Observado
Previsto Incêndio 0,8352 0,4704 1,3057
Não incêndio 0,1648 0,5296 0,6943
Total Observado 1 1 2

Observado
Observado
Não incêndio 0,1818 0,5214 0,7032
96
A Tabela 54 apresenta os valores obtidos para os modelos FMAVE1 e

FMAVE2 que foram 0,1165 e 0,1074 para o skill score e 55,64 e 54,75 para a
porcentagem de sucesso, respectivamente.
SAMPAIO (1999) obteve para a Fórmula de Monte Alegre original os
valores de 0,0607 para o skill score e 36,92 para a porcentagem de sucesso e para
a Fórmula de Monte Alegre aferida os valores de 0,0877 para o skill score e 46,26
para a porcentagem de sucesso para a região de Agudos, Estado de São Paulo.
Observa-se que os valores de desempenho dos modelos FMAVE1 e
FMAVE2 foram superiores aos obtidos por SAMPAIO (1999). Pelos valores
apresentados na Tabela 55 e nas Figuras 29 e 30 pode-se observar que o
desempenho do modelo FMAVE1 foi superior ao modelo FMAVE2. Desta forma o
modelo FMAVE1 foi incorporado à Formula de Monte Alegre, dando origem a um
novo índice de perigo de incêndios florestais para o Estado do Paraná.
TABELA 54 – VALORES OBTIDOS DE SKILL SCORE E PORCENTAGEM DE SUCESSO

PARA OS MODELOS SELECIONADOS
Porcentagem
Índice Skill score de sucesso
FMAVE1 0,1165 55,64
FMAVE2 0,1074 54,75
FIGURA 29 – VALORES OBTIDOS DE SKILL SCORE DA FMA AFERIDA PARA OS

MODELOS SELECIONADOS
0,1300
0,1200
0,1100
0,1000
0,0900
Skill Score
0,0800
0,0700
0,0600
0,0500
0,0400
0,0300
0,0200
0,0100
0,0000
FMAVE1 FMAVE2
Índices
97
FIGURA 30 – VALORES OBTIDOS DE PORCENTAGEM DE SUCESSO DA FMA AFERIDA

PARA OS MODELOS SELECIONADOS
60,00
55,00
Porcentagem de Sucesso
50,00
45,00
40,00
35,00
30,00
25,00
20,00
15,00
10,00
5,00
0,00
FMAVE1 FMAVE2
Índices
4.7 O NOVO ÍNDICE DE PERIGO DE INCÊNDIOS PARA O ESTADO DO PARANÁ
A Fórmula de Monte Alegre Alterada - FMA+, que inclui o modelo de

velocidade do vento selecionado, passa a ter a seguinte representação:
n
0,04 v
FMA + = Σ (100 / Hi) e
i =1
onde: FMA+ = Fórmula de Monte Alegre Alterada
H = umidade relativa do ar em porcentagem, medida às 13:00 h
v = velocidade do vento em m/s, medida às 13:00h
e = base dos logarítmos naturais (2,718282)
Por ser acumulativo no que se refere à umidade relativa, o índice está

sujeito a restrições de precipitação, como mostra a Tabela 55. Vale ressaltar que o
efeito do vento não possui característica acumulativa, sendo aplicado à fórmula o
valor da velocidade do vento às 13:00 h de cada dia.
Este novo índice além de refletir a probabilidade de ignição incorpora
também o potencial de propagação dos incêndios florestais.
98
TABELA 55 - RESTRIÇÕES DA FMA+ EM FUNÇÃO DA QUANTIDADE DE CHUVA DO DIA

≤ 2,4 Nenhuma
2,5 a 4,9
5,0 a 9,9
10,0 a 12,9
Interromper o cálculo (FMA = 0) e recomeçar a
> 12,9
somatória no dia seguinte.
A interpretação do grau de perigo estimado pela FMA+ é feita por meio de

uma escala, como apresentado na Tabela 56.
+
TABELA 56 - ESCALA DE PERIGO DA FMA
Valor de FMA+ Grau de Perigo

≤ 3,0 Nulo
3,1 a 8,0 Pequeno
8,1 a 14,0 Médio
14,1 a 24,0 Alto
> 24,0 Muito alto
99
5 CONCLUSÕES
Com base nos estudos e análises realizados neste trabalho, pode-se

concluir que:
1. A estimativa da umidade relativa diária das 13:00 h, para o Estado do Paraná, pode
ser obtida através da leitura da umidade relativa das 9:00 h, mediante a equação:
(2,72976 + 0,0162192 UR09)
UR13 = e
2. Por não apresentar alto coeficiente de determinação (R2 = 0,4759) entre as

variáveis UR13 e UR09, a correção da umidade relativa das 9:00 para as 13:00
h deve ser usada com restrições.
3. A estimativa da umidade relativa diária das 13:00 h, para o Estado do Paraná, pode
ser obtida através da leitura da umidade relativa das 15:00 h, mediante a equação:
0,796072
UR13 = 2,451510 UR15
4. Por apresentar alto coeficiente de determinação (R2 = 0,8639) entre as

variáveis UR13 e UR15, a correção da umidade relativa das 15:00 para as
13:00 h pode ser usada sem restrições.
5. A Fórmula de Monte Alegre Alterada - FMA+, que inclui o modelo de
velocidade do vento selecionado, validada para a Região de Telêmaco Borba,
passa a ter a seguinte representação:
n
0,04 v
FMA + = Σ (100 / Hi) e
i =1
6. A análise da eficiência do novo índice apresentou uma relação inversa entre o
número de dias previstos e as classes de perigo, ou seja, à medida que
aumenta a classe de perigo o número de dias previstos por classe diminui.
7. A análise da eficiência do novo índice (FMA+) baseada na distribuição de
incêndios ocorridos, nas áreas queimadas e na área queimada média para as
classes de perigo, mostrou uma relação direta entre essas variáveis e as
classes de perigo, ou seja, à medida que aumenta a classe de perigo o
número de incêndios ocorridos, as áreas queimadas e a área queimada
média por classe de perigo aumenta.
100
REFERÊNCIAS
BACHMANN, A., The need for a consistent wildfire risk terminology. The Joint Fire
Science Conference and Workshop, 11 p. 2001.
BATISTA, A. C. Incêndios florestais. Recife: UFRPE,. 115 p. 1990.
BROWN, A. A.; DAVIS, K. P. Forest fire: control and use. New York, McGraw-Hill,
2nd. Ed., 686 p. 1973
CASTAÑEDA, A. Zonificación para el manejo de incendios en plantaciones forestales en

Colombia. Boletin de Proteccion Forestal, Colômbia, n. 2, p. 38-46, abr. 1997.
CHANDLER, C; P. et al. Fire in Forestry. Volume I. Forest Fire Behavior and

Effects. Krieger Publishing Company. Florida. 1991.
CHENEY, N. P. Predicting fire behavior with fire danger tables. Australian Forestry,
v. 32, n. 2, p. 71-79. 1968.
DAVIS, K. P. Forest Fire: Control and Use. McGraw-Hill. New York. 584 p. 1959.
DEEMING, E. J. et al. National fire-danger rating system. Colorado USDA Forest

Service, 165 p. 1972.
DRAPER, N.; SMITH, H. Applied regression analysis. New York, John Willey, 725 p.
1981.
FREESE, F. Elementary statistical methods for foresters. U.S. Department of

Agriculture, 87 p. 1969
GRODZKI, L. Efeitos do fogo sobre variáveis micrometerológicas em uma

floresta de bracatinga (Mimosa scabrella Benth.) manejada sob sistema
agrofloretal, em Colombo, PR. Curitiba, 2000. 130p. Tese (Doutorado em Ciências
Florestais) - Universidade Federal do Paraná.
HEIKKILÄ, T. V.; GRONOVIST, R.; JURVÉLIUS, M. Handbook on Forest Fire

Control. Forestry Training Programme Publication 21. Helsinki, 239 p. 1993.
IAPAR - INSTITUTO AGRONÔMICO DO ESTADO DO PARANÁ. Cartas climáticas

do Estado do Paraná 1994. Londrina, IAPAR, 1994. 49 p. ilust.
LOWE, J. D. Wildland Firefighting Practices. Thomson Learning, 348 p. 2001.

101
MANTA, M. I. Estudio de la estructura y funcionamiento de dos índices de

peligro meteorológico de Incendios forestales. Aplicación a tres zonas
climáticas de España Peninsular. Tesis doctoral - Madrid, 2003. 355 p.
Departamento de Ingeniería Forestal - Escuela Técnica Superior de Ingenieros de
Montes - Universidad Politécnica de Madrid.
McARTHUR, A. G. Weather and grassland fire behaviour. Comm. Austr. For. Timb.
Bur. Leaflet 100, 23 p. 1966.
McARTHUR, A. G. Fire behaviour in eucalypt forest. Comm. Austr. For. Timb. Bur.
Leaflet 107, 25 p. 1966a.
MIRANDA, A. C.; MIRANDA, H. S.; DIAS, I. F. O.; DIAS, F. F. S.. Soil and air
temperatures during prescribed cerrado fires in Central Brazil, Journal of Tropical
Ecology, v. 9, p. 313-320, 1993.
NAYA, A. Meteorología superior. Espasa Calpe, Madrid, 546 p. 1984.
NELSON, R. M. J. An efective wind spread for models of fire spread. International

Lournal of Wildland Fire v. 11, p. 153-161, 2002.
NOBLE, I. R.; BARY, G. A. V.; GILL, A. M. McArthur’s fire-danger meters expressed

as equations. Australian. Journal of Ecology v. 5, p. 201-3, 1980.
NUNES, J. R. S. Análise do Volume e Porcentagem de Casca em Povoamentos

de Eucaliptos de Origem Híbrida, Segundo a Idade, Local, Espécie e Método de
Regeneração. Viçosa, 1981 Dissertação (Mestrado em Ciência Florestal) -
Universidade Federal de Viçosa.
OLIVEIRA, D. S. Zoneamento de risco de incêndios em povoamentos florestais

no norte de Santa Catarina. Curitiba, 2002. 113p. Dissertação (Mestrado em
Ciências Florestais) - Universidade Federal do Paraná.
PYNE, S. J. Wildland fire – Fire management in the United States. New York:
Wiley & Sons, 769 p, 1984.
REGO, F. C.; BOTELHO, H. S. A técnica do fogo controlado. [S.L.: s.n.],.124p. 1990.
RIBEIRO, G. A. Estudos do comportamento do fogo e de alguns efeitos da

queima controlada em povoamentos de Eucaliptus viminalis Labill em Três
Barras, Santa Catarina. Curitiba, 1997. Tese (Doutorado em Engenharia Florestal)
– Setor de Ciências Agrárias, Universidade Federal do Paraná.
RODRÍGUEZ, N.; MORETTI, A. Índice de peligro de propagación de Incendios

Forestales. VI Congreso Forestal Argentino. Tomo III. Santiago del Estero. 5p. 1988.
ROTHERMEL, R. C. How to predict the spread and intensity of forest and range fires.
USDA. Forest Service, Report INT-143, 161 p. 1983.
102
SAMPAIO, O. B.; SOARES, R. V.; VIEGAS, D. X. Calibration and test of four fire
danger methods in Agudos Region, State of Sao Paulo, Brazil. III International
Conference on Forest Fire Research. 14 th Conference on Fire and Forest
Meteorology. Vol I. P. 1249-1262. 1998.
SAMPAIO, O. B. Análise da eficiência de quatro índices na previsão de

incêndios florestais para a região de Agudos - SP. Curitiba, 1999. 157p. Tese
(Doutorado em Ciências Florestais) - Universidade Federal do Paraná.
SCHROEDER, M. J.; BUCK, C. C. Fire weather. USDA Forest Service, Agriculture

Handbook 360. 229 p. 1970.
SOARES, R. V. Índices de perigo de incêndio. Revista Floresta, v. 3, n. 3, p.19-40,

1972. 1972a.
SOARES, R. V. Determinação de um índice de perigo de incêndio para a região

centro paranaense, Brasil. Turrialba, Costa Rica, CATIE/IICA,. 72 p. (Tese de
Mestrado). 1972b.
SOARES, R. V. Prevenção e controle de incêndios florestais. ABEAS, 120 p. 1984.
SOARES, R. V. Incêndios Florestais: controle e uso do fogo. Curitiba, Fundação

de Pesquisas Florestais do Paraná, 213 p. 1985.
SOARES, R. V. Comparação entre quatro índices na determinação do grau de

perigo de incêndios no município de Rio Branco do Sul -PR. Revista Floresta, v.17,
n.1/2, p. 31-35,. 1987.
SOARES, R. V. Desempenho da “Fórmula de Monte Alegre” índice brasileiro de

perigo de incêndios florestais.. Cerne,v. 04, n. 1, p.87-99. 1998a.
SOARES, R. V. Comparação entre o Índice de Perigo de Incêndio da Rigesa e a

“Fórmula de Monte Alegre” 10 p. 1998b (não publicado).
SOARES, R.V.. Effects of a pine plantation prescribed burning on soil chemical

properties in the savanna region of Minas Gerais state, Brazil”. Coimbra,
Universidade de Coimbra, Proceedings of the International Conference on Forest
Fire Research: C.06-1-9. 1990.
SOARES, R. V. Ocorrência de incêndios em povoamentos florestais. Revista

Floresta, v. 22, p. 39-53. 1992.
SOARES, R. V.; BATISTA, A. C. Meteorologia e Climatologia Florestal. Curitiba, 195 p. 2004.
SOHO, D. M. What is a “fire hazard”? Forestland Steward, Sacramento, n. 424, p. 12, 1999.
TREWARTHA, G. T. e HORN, L. H., , Köppen's classification of climates. In: An

Introduction to climate. McGraw-Hill, New York, pp. 397-403. 1980
103
VAN WAGNER, C. E. Development and structure of the Canadian forest fire weather
index system. Canadian Forest Service. Ontario. 37 p. 1987
VAREJÃO-SILVA, M.A. Meteorologia e climatologia. Brasília, Instituto Nacional de

Meteorologia, 515 p. 2000.
VAREJÃO-SILVA, M.A.; REIS, A. C. S. Agrometeorologia e climatologia

tropicais. Brasília, ABEAS, 90 p. 1988.
VÁZQUEZ, A.; MORENO, J. M. Sensitivity of fire occurrence to meteorological

variables in Mediterranean and Atlatic areas of Spain. Landscape and Urban
Planning v. 24, p. 129-142. 1993.
VÉLEZ, R.. Aplicación de la predicción del peligro para prevención de los incendios
forestales. Predecir para prevenir. Documentos Seminario métodos y equipos para la
prevención de incendios forestales. ICONA. España. p. 79-88. 1988.
VÉLEZ, R. La Defensa Contra Incendios Forestales. Fundamentos y

experiencias. Editado por A. García. Madrid, España. Mc. Graw Hill. 2000.
VIANELLO, R.L.; ALVES, A. R. Meteorologia básica e aplicações. Viçosa,

Universidade Federal de Viçosa, 449 p. 1991.
VIEGAS, D. X. Weather, fuel status and fire occurrence: predicting large fires. Large
Forest Fires. Backhuys Publishers, Leiden, p. 31-48. 1997
VIEGAS, D. X. On the existence of a steady state regime for slope and wind driven
fires. International Journal of Wildland Fire v. 13, n. 1, p. 101–117. 2004a.
VIEGAS, D. X. Slope and wind effects on fire propagation. International Journal of

Wildland Fire v. 13, n. 2, p. 143-156. 2004b.
VIEGAS, D. X.; NETO, L. P. C. Wall shear stress as a parameter to correlate the rate
of spread of a wind introduced forest fire. International Journal of Wildland Fire v.
1, n. 3, p. 177-188. 1991.
VIEGAS, D. X.; VIEGAS, M. T. A relationship between rainfall and burned area for
Portugal. International Journal of Wildland Fire v. 4, n. 1, p. 11–16. 1994.
VIEGAS, D. X. et al Comparative study of various methods of fire danger evaluation in

southern Europe. In: International Conference On Forest Fire Research, 2, Coimbra,
1994. Proceedings. Coimbra: Society of Americam forestrs, p.571-590. 1994.
WHELAN, R. J. The Ecology of Fire. Cambridge University Press. 346 p. 1998.
WORLD METEOROLOGICAL ORGANIZATION. Statistical analysis and

prognosis in meteorology. Technical Note Nº 71. WMO Nº 178. TP. 88. Geneva,
Switzerland. Secretariat of the World Meteorological Organisation. 197 p. 1966.
104
LITERATURA CONSULTADA
BALBI, J. H.; SANTONI, P. A.; DUPUY, J. L. Dynamic modelling of fire spread across
a fuel bed. International Journal of Wildland Fire v. 9, n. 4, p. 275-284. 1999.
BELDA, F.; MELIÁ, J. Relationships between climatic parameters and forest

vegetation application to bourned area in Alicante (Spain). Forest Ecology and
Management n. 135, p. 195-204. 2000.
BECK, J. A.; ALEXANDER, M. E.; HARVEY, S. D.; BEAVER, A. K. Forecasting

diurnal variations in fire intensity to enhance wildland firefighter safety, International
Journal of Wildland Fire v. 11, n. 4, p. 173 – 182, 2002.
BRADSTOCK, R. A.; GILL, A. M.; KENNY, B. J.; SCOTT, J. Bushfire risk at the
urban interface estimated from historical weather records: consequences for the use
of prescribed fire in the Sydney region of South-eastern Australia. Journal of
Environmental Management, n. 52, p. 259-271. 1998.
BURGAN, R. E. A Method to Initialize the Keetch - Byram Drought Index. Forest

Service, USDA. WJAF. 109 - 115. 1993.
CANADA FORESTRY SERVICE Canadian forest fire weather index. Ottawa, 25 p.

1970.
CARLSON, J. D.; BURGAN, R. E.; ENGLE, D. M.; GREENFIELD, J. R. The

Oklahoma fire danger model: an operational tool for mesoescale fire danger rating in
Oklahoma. International Journal of Wildland Fire, v. 11, p. 183-191. 2002.
CHANDLER, S. E. The effects of severe weather conditions on the incidence of fires

in Dwellings. Fire Safety Journal n. 5, p. 21-27. 1982.
COOPER, R. W. Current use and place of prescribed burning. IN: Prescribed

Burning Symposium Proceedings, Asheville, Southeastern Forest Experiment
Station. 160p. 1970.
COUNTRYMAN, C. M. Rating fire danger by the multiple basic index system.

Journal of Forestry v. 64, n. 8,:p. 531-536. 1966.
CRANE, W. J. B. Fire in the Australian environment. IN: Fire in the environment

symposium proceedings. Denver, U.S. Forest Service. 151 p. 1972.
DIMITRAKOPOULOS, A. P.; BEMMERZUK, A. M.. Evaluation of the Canadian

Forest Fire Danger Rating System (CFFDRS) and the Keetch-Byram Index (KBDI) in
the Mediterranean Climate of Greece. III International Conference on Forest Fire
Research. 14 th Conference on Fire and Forest Meteorology. Vol Y. p. 995-1009.
1998.
105
FERRAZ, S. F.; VETTORAZZI, C. A. Mapeamento de risco de incêndios florestais

por meio de sistema de informações geográficas (SIG). Scientia Forestalis n.53, p.
39-48. 1998
FOGARTY, L.G.; PEARCE, H. G.; CATCHPOLE, W. R.;. ALEXANDER, M. E.

Adoption vs.Adaptation: Lessons from applying the Canadian Forest Fire Danger
Rating System in New Zealand. III International Conference on Forest Fire
Research. 14 th Conference on Fire and Forest Meteorology. Vol I. p. 1011-1028.
1998.
FORESTRY CANADA. Fire Danger Group. Development and structure of the

Canadian Forest Fire Behavior Prediction System. Information Report ST-X-3.
63pp. 1992.
GABRIELSON, I. N. Forest of fire and wildlife. Four L Lumber News v. 10. n. 13, 32
p. 1978.
IFFN. Fire Situation in Brazil. International Forest Fire News n. 28. 2003.
KALABOKIDS, K. D.; GATZOJANNIS, S.; GALATISIDAS, S. Introducing wildfire in

forest management planning: towards a conceptual approach. Forest Ecology and
Management, n. 158, p. 41-50. 2002.
KHZBERGER, T. ENSO as a forewarning tool of regional fire occurrence in Northern

Patagonia, Argentina. International Journal of Wildland Fire v. 11, p. 33-39. 2002.
KLEIN, W. H.; WHISTLER, B. T. Specification of monthly mean anomalies of fire

weather elements in the United States. Agriculture and Forest Meteorology, n. 56,
p. 145-172. 1991.
LEE, R. Forest microclimatology. New York, Columbia University Press, 276 p.

1978.
LEMOS, J. M.; GAMA M. P. Estudo comparativo de índices de periculosidade de

incêndios no Distrito Federal - Brasília. In: Congresso Florestal Brasileiro, 3,
Proceedings. Manaus: SBJ, p. 336-338. 1978.
LIMA, G. S.; BATISTA, A. C. Efeitos do fogo no ecossistema. Estudos de Biologia,

Curitiba, nº XXXI, p. 5-16, jan. 1983.
LOURENÇO, L. Índices meteorologicos de riesgo de incendio forestal sencillos y

expeditos: tendencias del riesgo para el dia seguinte. In: TALLER INTERNACIONAL
SOBRE PROGNOSIS Y GESTION DE INCENDIOS FORESTALES, Chile, 1995.
Proceedings...Chile: University of Chile, 1995.
LOWRY, W. P. Weather and life: an introduction to biometeorology. New York,

Academic Press, 305 p. 1974.
106
MANTA, M. I.; XAVIER, D.; MATA REIS, R. Reliability of the fire weather index from
meteorological station in the Central Region of Portugal. Forest Fire Research &
Wildland Fire Safety. 9 p. 2002.
MARTIN, R. E.; DELL, J. D.; JUHL, T. C. Preliminary prescribed burning guidelines

for eastern Oregon and Washington. Bend, Oregon, Eastside prescribed fire
workshop. 54 p. 1976.
MATHEWSON, T.; POIRIER, G.; MANN, R.; BENSON, R. Seasonal Fire

Weather/Fire Danger Outlook. Rocky Mountain Area (RMA) Predictive Services.
17 p. 2004.
MBOW, C.; GOÏTA, K.; BÉNIÉ, G. B. Spectral indices and fire behavior simulation for
fire risk assessment in savanna ecosystems. Remote Sensing of Environment n.
91, p. 1 –13. 2004.
MOBLEY, H. E.; KERR, E. Wildfire versus prescribed fire in the southern

environment. Atlanta, U.S. Forest Service and State and Private Forestry. 6 p.
1973.
MOREIRA, A. G.. Effects of fire protection on savanna structure, Journal of

Biogeography, v. 27, p. 1021-1029, 2000.
MUTCH, R. Wildland fires and ecosystems - a hypothesis. Ecology v. 51, n. 6, p.

1046-1051. 1970.
OLIVEIRA, D. S.; BATISTA, A. C.; SOARES, R. V.; SUTTLER, C. R. Fire risk

mapping for pine and eucalyptus stands in Três Barras, State of Santa Catarina,
Brazil. Forest Fire Research & Wildland Fire Safety, 12 p. 2002.
PYNE, S. J. America´s Fire: Management on Wildlands and Forests. Forest

History Society, 54 p. 1997.
PYNE, S. J. Fire in America – A cultural history of wildland and rural fires .

University of Washington Press, 654 p. 1999.
ROTHERMEL, R. C.; RINEHART, G. C. Field procedures for verification and

adjustment of fire behavior predictions. USDA. Forest Service, Report INT-142, 23
p. 1983.
SIRAKOFF, C. A correction to the equations describing the McArthur forest fire

danger meter. Australian. Journal of Ecology. v. 10, 1985.
SOTO, J. V. The significance of forest fires in Mexico. IN: Fire in the Environment
Symposium Proceedings, Denver, U.S. Forest Service. 151 p. 1972.
UHL, C.; KAUFFMAN, J. B.; SILVA, E. D. Os caminhos do fogo na Amazônia.

Ciência Hoje, Rio de Janeiro, v. 11, n. 65, p.24-32, 1990.
107
VETTORAZZI, C. A.; FERRAZ, S. F. B. Uso de sistemas de informações geográficas

aplicados à prevenção e combate a incêndios em fragmentos florestais. Série
Técnica IPEF v.12, n. 32, p. 111-115. 1998.
VIEGAS, D. X.; RIBEIRO, P. P.; MARICATO, L. An empirical model for the spread of
a fireline inclined in relation to the slope gradient or to the wind direction. III
International Conference on Forest Fire Research VI, p. 325-342. 1998.
WADE, D. D.; LUNSFORD, J. D. A guide for prescribed fire in Southern forests.

Technical Publication, Atlanta, USDA. Forest Service, 56 p. (R8 – TP11). 1989.
WILLIAMS, J. T.; ROTHERMEL, R. C. Fire dynamics in Northern Rocky Mountain

stand types. USDA. Forest Service, Report INT-405, 4 p. 1992.
WMM. Fire danger rating systems. Special Environmental Report N° 11. 1991
WYBO, J. L., GUARNIÉRI, F., RICHARD, B. Forest fire danger assessment methods
and decision support. Safety Science v.20, p.61-70. 1995.
108
APÊNDICES
109
APÊNDICE 1 - ANÁLISES DE COVARIÂNCIA PARA AS EQUAÇÕES DE

CORREÇÃO DA UMIDADE RELATIVA DAS 9:00 PARA AS
13:00 h
CORREÇÃO DA UMIDADE RELATIVA DAS 15:00 PARA
AS 13:00 h
APÊNDICE 3 - PROGRAMA PARA CALCULAR OS ÍNDICES DE PERIGO
PELA FORMULA DE MONTE ALEGRE, PARA OS OITO
MODELOS LINEARES
APÊNDICE 4 - PROGRAMA PARA CALCULAR OS ÍNDICES DE PERIGO
PELA FORMULA DE MONTE ALEGRE, PARA OS SETE
MODELOS EXPONENCIAIS
APÊNDICE 5 - EXEMPLO DE SAÍDA GERADA PELO PROGRAMA PARA
CALCULAR OS ÍNDICES DE PERIGO PELA FORMULA DE
MONTE ALEGRE, PARA OS OITO MODELOS LINEARES
MONTE ALEGRE, PARA OS SETE MODELOS
EXPONENCIAIS
APÊNDICE 7 - CÁLCULOS DO SKILL SCORE E DA PORCENTAGEM DE
SUCESSO PARA DEFINIÇÃO DO MELHOR MODELO
110

13:00 h
TABELA 1 – ANÁLISE DE COVARIÂNCIA ENTRE CAMBARÁ E CAMPO MOURÃO
Grupo GL Σy² Σxy Σx² GL SQ QM F1/∞

Cambará 1825 473.320,87 267.353,15 260.683,92 1824 199.127,88
Campo Mourão 1825 478.800,98 223.045,85 236.654,54 1824 268.581,26
Resíduos agrupados 3648 467.709,14 128,2097
Diferença para testar inclinação 1 856,36 856,3554 6,67933 NS
3650 952.121,85 490.399,00 497.338,47 3649 468.565,50 128,4093
Diferença para testar interseção 1 6.712,03 6.712,03 52,27059 NS
3651 953.488,07 494.901,08 512.174,15 3650 475.277,53
TABELA 2 – ANÁLISE DE COVARIÂNCIA ENTRE CAMBARÁ E CÂNDIDO DE ABREU

Cambará 1825 522.408,24 200.473,08 219.123,19 1824 338.997,92
Candido Abreu 1825 478.800,98 223.045,85 236.654,54 1824 268.581,26
3650 1.001.209,22 423.518,93 455.777,74 3649 607.665,90 166,5294
3651 1.002.375,51 418.010,41 481.795,18 3650 639.705,41
TABELA 3 – ANÁLISE DE COVARIÂNCIA ENTRE CAMBARÁ E CASCAVEL

Cambará 1825 478.800,98 160.942,73 238.213,73 1824 370.064,34
Cascavel 1825 683.425,12 385.512,14 382.704,24 1824 295.084,49
Diferença para testar inclinação 1 16.155,59 16.155,5899 88,60512 NS
3650 1.162.226,09 546.454,86 620.917,97 3649 681.304,41 186,7099
3651 1.168.521,04 543.359,44 622.440,09 3650 694.195,09
TABELA 4 – ANÁLISE DE COVARIÂNCIA ENTRE CAMBARÁ E GUARAPUAVA

Cambará 1825 522.408,24 200.473,08 219.123,19 1824 338.997,92
Guarapuava 1825 585.305,87 209.285,68 235.682,59 1824 399.460,60
3650 1.107.714,11 409.758,76 454.805,78 3649 738.540,62 202,3953
3651 1.113.115,79 404.092,80 460.748,94 3650 758.712,38
111
TABELA 5 – ANÁLISE DE COVARIÂNCIA ENTRE CAMBARÁ E LONDRINA

Cambará 1825 522.408,24 200.473,08 219.123,19 1824 338.997,92
Londrina 1825 587.359,48 274.365,15 250.776,91 1824 287.187,36
3650 1.109.767,72 474.838,23 469.900,10 3649 629.939,47 172,6335
3651 1.118.619,32 472.293,25 470.631,82 3650 644.658,77
TABELA 6 – ANÁLISE DE COVARIÂNCIA ENTRE CAMBARÁ E PALMAS

Cambará 1825 522.408,24 200.473,08 219.123,19 1824 338.997,92
Palmas 1825 620.326,55 212.929,07 180.337,50 1824 368.915,78
3650 1.142.734,79 413.402,15 399.460,70 3649 714.904,62 195,9180
3651 1.151.849,55 405.836,08 405.741,21 3650 745.918,58
TABELA 7 – ANÁLISE DE COVARIÂNCIA ENTRE CAMBARÁ E PARANAVAÍ

Cambará 1825 683.425,12 385.512,14 382.704,24 1824 295.084,49
Paranavaí 1825 620.326,55 212.929,07 180.337,50 1824 368.915,78
3650 1.303.751,66 598.441,21 563.041,75 3649 667.685,36 182,9776
3651 1.304.076,39 596.247,91 577.855,67 3650 688.850,84
TABELA 8 – ANÁLISE DE COVARIÂNCIA ENTRE CAMBARÁ E PINHAIS

Cambará 1825 522.408,24 200.473,08 219.123,19 1824 338.997,92
Pinhais 1825 526.389,50 145.836,49 162.381,15 1824 395.411,98
3650 1.048.797,74 346.309,57 381.504,35 3649 734.436,15 201,2705
3651 1.126.349,39 362.559,42 384.909,27 3650 784.842,08
112
TABELA 9 – ANÁLISE DE COVARIÂNCIA ENTRE CAMPO MOURÃO E CÂNDIDO DE

ABREU

Campo Mourão 1825 473.320,87 267.353,15 260.683,92 1824 199.127,88
Cândido Abreu 1825 478.800,98 223.045,85 236.654,54 1824 268.581,26
3650 952.121,85 490.399,00 497.338,47 3649 468.565,50 128,4093
3651 953.488,07 494.901,08 512.174,15 3650 475.277,53
TABELA 10 ANÁLISE DE COVARIÂNCIA ENTRE CAMPO MOURÃO E CASCAVEL

Campo Mourão 1825 473.320,87 267.353,15 260.683,92 1824 199.127,88
Cascavel 1825 683.425,12 385.512,14 382.704,24 1824 295.084,49
3650 1.156.745,99 652.865,28 643.388,17 3649 494.263,99 135,4519
3651 1.170.272,39 662.418,29 650.134,96 3650 495.338,70
TABELA 11 – ANÁLISE DE COVARIÂNCIA ENTRE CAMPO MOURÃO E GUARAPUAVA

Campo Mourão 1825 473.320,87 267.353,15 260.683,92 1824 199.127,88
Guarapuava 1825 585.305,87 209.285,68 235.682,59 1824 399.460,60
3650 1.058.626,75 476.638,82 496.366,51 3649 600.931,55 164,6839
3651 1.064.449,59 492.358,87 538.806,28 3650 614.534,15
TABELA 12 – ANÁLISE DE COVARIÂNCIA ENTRE CAMPO MOURÃO E LONDRINA

Campo Mourão 1825 473.320,87 267.353,15 260.683,92 1824 199.127,88
Londrina 1825 587.359,48 274.365,15 250.776,91 1824 287.187,36
3650 1.060.680,36 541.718,30 511.460,83 3649 486.914,59 133,4378
3651 1.070.068,88 566.528,17 577.022,79 3650 513.844,45
113
TABELA 13 – ANÁLISE DE COVARIÂNCIA ENTRE CAMPO MOURÃO E PALMAS

Campo Mourão 1825 473.320,87 267.353,15 260.683,92 1824 199.127,88
Palmas 1825 620.326,55 212.929,07 180.337,50 1824 368.915,78
3650 1.093.647,42 480.282,22 441.021,43 3649 570.609,32 156,3742
3651 1.103.306,91 500.317,28 482.576,80 3650 584.596,97
TABELA 14 – ANÁLISE DE COVARIÂNCIA ENTRE CAMPO MOURÃO E PARANAVAÍ

Campo Mourão 1825 473.320,87 267.353,15 260.683,92 1824 199.127,88
Paranavaí 1825 553.969,69 375.652,06 410.385,05 1824 210.110,99
3650 1.027.290,57 643.005,21 671.068,97 3649 411.175,51 112,6817
3651 1.036.356,11 648.594,15 674.514,57 3650 412.686,31
TABELA 15 – ANÁLISE DE COVARIÂNCIA ENTRE CAMPO MOURÃO E PINHAIS

Campo Mourão 1825 473.320,87 267.353,15 260.683,92 1824 199.127,88
Pinhais 1825 526.389,50 145.836,49 162.381,15 1824 395.411,98
3650 999.710,38 413.189,63 423.065,08 3649 596.165,67 163,3778
3651 1.078.835,79 509.237,71 539.655,09 3650 598.301,00
TABELA 16 – ANÁLISE DE COVARIÂNCIA ENTRE CÂNDIDO DE ABREU E CASCAVEL

Cândido Abreu 1825 478.800,98 160.942,73 238.213,73 1824 370.064,34
Cascavel 1825 683.425,12 385.512,14 382.704,24 1824 295.084,49
3650 1.162.226,09 546.454,86 620.917,97 3649 681.304,41 186,7099
3651 1.168.521,04 543.359,44 622.440,09 3650 694.195,09
114
TABELA 17 – ANÁLISE DE COVARIÂNCIA ENTRE CÂNDIDO DE ABREU E

GUARAPUAVA

Cândido Abreu 1825 478.800,98 160.942,73 238.213,73 1824 370.064,34
Guarapuava 1825 585.305,87 209.285,68 235.682,59 1824 399.460,60
3650 1.064.106,85 370.228,40 473.896,32 3649 774.868,33 212,3509
Diferença para testar interseção 1 715,33 715,33 3,36861 NS
3651 1.065.654,90 373.567,08 481.096,86 3650 775.583,66
TABELA 18 – ANÁLISE DE COVARIÂNCIA ENTRE CÂNDIDO DE ABREU E LONDRINA

Cândido Abreu 1825 478.800,98 160.942,73 238.213,73 1824 370.064,34
Londrina 1825 587.359,48 274.365,15 250.776,91 1824 287.187,36
3650 1.066.160,46 435.307,88 488.990,64 3649 678.641,90 185,9802
3651 1.069.752,31 443.392,56 507.187,99 3650 682.130,82
TABELA 19 – ANÁLISE DE COVARIÂNCIA ENTRE CÂNDIDO DE ABREU E PALMAS

Cândido Abreu 1825 478.800,98 160.942,73 238.213,73 1824 370.064,34
Palmas 1825 620.326,55 212.929,07 180.337,50 1824 368.915,78
3650 1.099.127,52 373.871,80 418.551,24 3649 765.165,73 209,6919
3651 1.102.887,71 378.942,88 425.390,23 3650 765.320,70

PARANAVAÍ

Cândido Abreu 1825 478.800,98 160.942,73 238.213,73 1824 370.064,34
Paranavaí 1825 553.969,69 375.652,06 410.385,05 1824 210.110,99
3650 1.032.770,67 536.594,79 648.598,78 3649 588.838,35 161,3698
3651 1.050.241,03 560.366,86 680.945,66 3650 589.101,41
115
TABELA 21 – ANÁLISE DE COVARIÂNCIA ENTRE CÂNDIDO DE ABREU E PINHAIS

Cândido Abreu 1825 478.800,98 160.942,73 238.213,73 1824 370.064,34
Pinhais 1825 526.389,50 145.836,49 162.381,15 1824 395.411,98
3650 1.005.190,48 306.779,21 400.594,88 3649 770.256,16 211,0869
3651 1.064.887,66 360.605,04 449.126,82 3650 775.356,98
TABELA 22 – ANÁLISE DE COVARIÂNCIA ENTRE CASCAVEL E GUARAPUAVA

Cascavel 1825 683.425,12 385.512,14 382.704,24 1824 295.084,49
Guarapuava 1825 585.305,87 209.285,68 235.682,59 1824 399.460,60
3650 1.268.730,99 594.797,81 618.386,83 3649 696.622,36 190,9077
3651 1.270.330,63 589.843,56 633.730,67 3650 721.334,91
TABELA 23 ANÁLISE DE COVARIÂNCIA ENTRE CASCAVEL E LONDRINA

Cascavel 1825 683.425,12 385.512,14 382.704,24 1824 295.084,49
Londrina 1825 587.359,48 274.365,15 250.776,91 1824 287.187,36
3650 1.270.784,60 659.877,29 633.481,15 3649 583.411,29 159,8825
3651 1.271.161,29 656.501,89 663.726,47 3650 621.805,34
TABELA 24 – ANÁLISE DE COVARIÂNCIA ENTRE CASCAVEL E PALMAS

Cascavel 1825 683.425,12 385.512,14 382.704,24 1824 295.084,49
Palmas 1825 620.326,55 212.929,07 180.337,50 1824 368.915,78
3650 1.303.751,66 598.441,21 563.041,75 3649 667.685,36 182,9776
3651 1.304.076,39 596.247,91 577.855,67 3650 688.850,84
116
TABELA 25 – ANÁLISE DE COVARIÂNCIA ENTRE CASCAVEL E PARANAVAÍ

Cascavel 1825 683.425,12 385.512,14 382.704,24 1824 295.084,49
Paranavaí 1825 553.969,69 375.652,06 410.385,05 1824 210.110,99
3650 1.237.394,81 761.164,20 793.089,29 3649 506.870,59 138,9067
3651 1.282.133,91 790.953,75 812.924,67 3650 512.557,28
TABELA 26 – ANÁLISE DE COVARIÂNCIA ENTRE CASCAVEL E PINHAIS

Cascavel 1825 683.425,12 385.512,14 382.704,24 1824 295.084,49
Pinhais 1825 526.389,50 145.836,49 162.381,15 1824 395.411,98
3650 1.209.814,62 531.348,62 545.085,40 3649 691.856,59 189,6017
3651 1.237.036,10 574.132,65 612.329,09 3650 698.717,23
TABELA 27 – ANÁLISE DE COVARIÂNCIA ENTRE GUARAPUAVA E LONDRINA

Guarapuava 1825 585.305,87 209.285,68 235.682,59 1824 399.460,60
Londrina 1825 587.359,48 274.365,15 250.776,91 1824 287.187,36
3650 1.172.665,35 483.650,83 486.459,49 3649 691.806,97 189,5881
3651 1.173.089,17 484.681,03 488.963,65 3650 692.653,26
TABELA 28 – ANÁLISE DE COVARIÂNCIA ENTRE GUARAPUAVA E PALMAS

Guarapuava 1825 585.305,87 209.285,68 235.682,59 1824 399.460,60
Palmas 1825 620.326,55 212.929,07 180.337,50 1824 368.915,78
3650 1.205.632,42 422.214,75 416.020,09 3649 777.130,77 212,9709
3651 1.206.115,33 422.167,33 416.024,75 3650 777.714,72
117
TABELA 29 – ANÁLISE DE COVARIÂNCIA ENTRE GUARAPUAVA E PARANAVAÍ

Guarapuava 1825 585.305,87 209.285,68 235.682,59 1824 399.460,60
Paranavaí 1825 553.969,69 375.652,06 410.385,05 1824 210.110,99
3650 1.139.275,57 584.937,74 646.067,63 3649 609.683,71 167,0824
3651 1.168.694,91 630.340,70 716.138,17 3650 613.872,65
TABELA 30 – ANÁLISE DE COVARIÂNCIA ENTRE GUARAPUAVA E PINHAIS

Guarapuava 1825 585.305,87 209.285,68 235.682,59 1824 399.460,60
Pinhais 1825 526.389,50 145.836,49 162.381,15 1824 395.411,98
3650 1.111.695,37 355.122,16 398.063,74 3649 794.882,41 217,8357
3651 1.153.714,17 382.886,06 416.408,72 3650 801.652,05
TABELA 31 – ANÁLISE DE COVARIÂNCIA ENTRE LONDRINA E PALMAS

Londrina 1825 587.359,48 274.365,15 250.776,91 1824 287.187,36
Palmas 1825 620.326,55 212.929,07 180.337,50 1824 368.915,78
3650 1.207.686,03 487.294,22 431.114,41 3649 656.891,03 180,0195
3651 1.207.687,95 487.221,75 433.839,18 3650 660.515,07
TABELA 32 – ANÁLISE DE COVARIÂNCIA ENTRE LONDRINA E PARANAVAÍ

Londrina 1825 587.359,48 274.365,15 250.776,91 1824 287.187,36
Paranavaí 1825 553.969,69 375.652,06 410.385,05 1824 210.110,99
3650 1.141.329,17 650.017,21 661.161,95 3649 502.268,84 137,6456
3651 1.178.234,48 710.483,05 760.229,49 3650 514.242,66
118
TABELA 33 – ANÁLISE DE COVARIÂNCIA ENTRE LONDRINA EPINHAIS

Londrina 1825 587.359,48 274.365,15 250.776,91 1824 287.187,36
Pinhais 1825 526.389,50 145.836,49 162.381,15 1824 395.411,98
3650 1.113.748,98 420.201,64 413.158,06 3649 686.383,69 188,1019
3651 1.147.751,61 435.949,61 420.451,58 3650 695.732,70
TABELA 34 – ANÁLISE DE COVARIÂNCIA ENTRE PALMAS E PARANAVAÍ

Palmas 1825 620.326,55 212.929,07 180.337,50 1824 368.915,78
Paranavaí 1825 553.969,69 375.652,06 410.385,05 1824 210.110,99
3650 1.174.296,24 588.581,13 590.722,55 3649 587.848,76 161,0986
3651 1.211.736,89 639.383,59 659.655,37 3650 592.002,11
TABELA 35 – ANÁLISE DE COVARIÂNCIA ENTRE PALMAS E PINHAIS

Palmas 1825 620.326,55 212.929,07 180.337,50 1824 368.915,78
Pinhais 1825 526.389,50 145.836,49 162.381,15 1824 395.411,98
3650 1.146.716,05 358.765,56 342.718,66 3649 771.152,23 211,3325
3651 1.180.208,59 383.947,95 361.652,82 3650 772.591,05
TABELA 36 – ANÁLISE DE COVARIÂNCIA ENTRE PARANAVAÍ E PINHAIS

Paranavaí 1825 553.969,69 375.652,06 410.385,05 1824 210.110,99
Pinhais 1825 526.389,50 145.836,49 162.381,15 1824 395.411,98
3650 1.080.359,19 521.488,55 572.766,20 3649 605.557,60 165,9517
3651 1.222.115,62 672.148,01 732.887,86 3650 605.673,50
119

13:00 h
TABELA 1 – ANÁLISE DE COVARIÂNCIA ENTRE CAMBARÁ E CAMPO MOURÃO

Cambará 1825 522.408,24 525.384,62 637.045,79 1824 89.112,86
Campo Mourão 1825 473.320,87 492.447,01 595.591,79 1824 66.156,00
3650 995.729,12 1.017.831,63 1.232.637,59 3649 155.270,22 42,5514
3651 995.737,02 1.017.621,35 1.238.231,89 3650 159.420,97
TABELA 2 – ANÁLISE DE COVARIÂNCIA ENTRE CAMBARÁ E CÂNDIDO DE ABREU

Cambará 1825 522.408,24 525.384,62 637.045,79 1824 89.112,86
Candido Abreu 1825 478.800,98 490.005,82 621.674,65 1824 92.576,92
3650 1.001.209,22 1.015.390,44 1.258.720,44 3649 182.109,36 49,9066
3651 1.002.375,51 1.018.718,68 1.268.218,31 3650 184.071,79
TABELA 3 – ANÁLISE DE COVARIÂNCIA ENTRE CAMBARÁ E CASCAVEL

Cambará 1825 522.408,24 525.384,62 637.045,79 1824 89.112,86
Cascavel 1825 683.425,12 640.050,38 725.856,96 1824 119.037,76
3650 1.205.833,36 1.165.435,00 1.362.902,76 3649 209.255,48 57,3460
3651 1.218.713,70 1.187.837,81 1.401.867,99 3650 212.229,03
TABELA 4 – ANÁLISE DE COVARIÂNCIA ENTRE CAMBARÁ E GUARAPUAVA

Cambará 1825 522.408,24 525.384,62 637.045,79 1824 89.112,86
Guarapuava 1825 585.305,87 583.755,07 723.271,97 1824 114.155,33
3650 1.107.714,11 1.109.139,69 1.360.317,77 3649 203.373,32 55,7340
3651 1.113.115,79 1.123.949,75 1.400.923,33 3650 211.379,75
120
TABELA 5 – ANÁLISE DE COVARIÂNCIA ENTRE CAMBARÁ E LONDRINA

Cambará 1825 522.408,24 525.384,62 637.045,79 1824 89.112,86
Londrina 1825 587.359,48 608.034,52 728.526,89 1824 79.888,89
3650 1.109.767,72 1.133.419,14 1.365.572,68 3649 169.034,98 46,3236
3651 1.118.619,32 1.144.824,59 1.380.268,82 3650 169.077,23
TABELA 6 – ANÁLISE DE COVARIÂNCIA ENTRE CAMBARÁ E PALMAS

Cambará 1825 522.408,24 525.384,62 637.045,79 1824 89.112,86
Palmas 1825 620.326,55 632.277,33 735.704,55 1824 76.936,37
3650 1.142.734,79 1.157.661,95 1.372.750,34 3649 166.460,27 45,6181
3651 1.151.849,55 1.175.944,41 1.409.421,42 3650 170.705,64
TABELA 7 – ANÁLISE DE COVARIÂNCIA ENTRE CAMBARÁ E PARANAVAÍ

Cambará 1825 522.408,24 525.384,62 637.045,79 1824 89.112,86
Paranavaí 1825 553.969,69 547.185,23 645.699,96 1824 90.268,76
3650 1.076.377,93 1.072.569,85 1.282.745,75 3649 179.547,00 49,2044
3651 1.085.986,75 1.075.288,27 1.283.514,82 3650 185.144,12
TABELA 8 – ANÁLISE DE COVARIÂNCIA ENTRE CAMBARÁ E PINHAIS

Cambará 1825 522.408,24 525.384,62 637.045,79 1824 89.112,86
Pinhais 1825 526.389,50 527.515,64 651.482,55 1824 99.251,82
3650 1.048.797,74 1.052.900,25 1.288.528,34 3649 188.437,20 51,6408
3651 1.126.349,39 1.170.926,53 1.468.153,18 3650 192.476,17
121
TABELA 9 – ANÁLISE DE COVARIÂNCIA ENTRE CAMPO MOURÃO E CÂNDIDO DE

ABREU

Campo Mourão 1825 473.320,87 492.447,01 595.591,79 1824 66.156,00
Cândido de Abreu 1825 478.800,98 490.005,82 621.674,65 1824 92.576,92
3650 952.121,85 982.452,83 1.217.266,44 3649 159.186,53 43,6247
3651 953.488,07 983.290,47 1.217.780,01 3650 159.535,02
TABELA 10 – ANÁLISE DE COVARIÂNCIA ENTRE CAMPO MOURÃO E CASCAVEL

Campo Mourão 1825 473.320,87 492.447,01 595.591,79 1824 66.156,00
Cascavel 1825 683.425,12 640.050,38 725.856,96 1824 119.037,76
3650 1.156.745,99 1.132.497,39 1.321.448,76 3649 186.182,18 51,0228
3651 1.170.272,39 1.146.756,27 1.336.479,78 3650 186.306,93
TABELA 11 – ANÁLISE DE COVARIÂNCIA ENTRE CAMPO MOURÃO E GUARAPUAVA

Campo Mourão 1825 473.320,87 492.447,01 595.591,79 1824 66.156,00
Guarapuava 1825 585.305,87 583.755,07 723.271,97 1824 114.155,33
3650 1.058.626,75 1.076.202,08 1.318.863,77 3649 180.438,30 49,4487
3651 1.064.449,59 1.085.871,25 1.334.919,98 3650 181.163,41
TABELA 12 – ANÁLISE DE COVARIÂNCIA ENTRE CAMPO MOURÃO E LONDRINA

Campo Mourão 1825 473.320,87 492.447,01 595.591,79 1824 66.156,00
Londrina 1825 587.359,48 608.034,52 728.526,89 1824 79.888,89
3650 1.060.680,36 1.100.481,53 1.324.118,68 3649 146.064,76 40,0287
3651 1.070.068,88 1.104.980,58 1.326.274,66 3650 149.458,60
122
TABELA 13 – ANÁLISE DE COVARIÂNCIA ENTRE CAMPO MOURÃO E PALMAS

Campo Mourão 1825 473.320,87 492.447,01 595.591,79 1824 66.156,00
Palmas 1825 620.326,55 632.277,33 735.704,55 1824 76.936,37
3650 1.093.647,42 1.124.724,34 1.331.296,35 3649 143.442,12 39,3100
3651 1.103.306,91 1.136.194,12 1.344.915,67 3650 143.442,22
TABELA 14 – ANÁLISE DE COVARIÂNCIA ENTRE CAMPO MOURÃO E PARANAVAÍ

Campo Mourão 1825 473.320,87 492.447,01 595.591,79 1824 66.156,00
Paranavaí 1825 553.969,69 547.185,23 645.699,96 1824 90.268,76
3650 1.027.290,57 1.039.632,24 1.241.291,75 3649 156.556,36 42,9039
3651 1.036.356,11 1.049.394,18 1.251.803,58 3650 156.642,91
TABELA 15 – ANÁLISE DE COVARIÂNCIA ENTRE CAMPO MOURÃO E PINHAIS

Campo Mourão 1825 473.320,87 492.447,01 595.591,79 1824 66.156,00
Pinhais 1825 526.389,50 527.515,64 651.482,55 1824 99.251,82
3650 999.710,38 1.019.962,65 1.247.074,34 3649 165.498,84 45,3546
3651 1.078.835,79 1.118.141,18 1.368.893,92 3650 165.514,69
TABELA 16 – ANÁLISE DE COVARIÂNCIA ENTRE CÂNDIDO DE ABREU E CASCAVEL

Cândido Abreu 1825 478.800,98 490.005,82 621.674,65 1824 92.576,92
Cascavel 1825 683.425,12 640.050,38 725.856,96 1824 119.037,76
3650 1.162.226,09 1.130.056,20 1.347.531,61 3649 214.547,38 58,7962
3651 1.168.521,04 1.137.985,44 1.357.519,44 3650 214.567,21
123

GUARAPUAVA

Cândido Abreu 1825 478.800,98 490.005,82 621.674,65 1824 92.576,92
Guarapuava 1825 585.305,87 583.755,07 723.271,97 1824 114.155,33
3650 1.064.106,85 1.073.760,89 1.344.946,62 3649 206.851,68 56,6872
3651 1.065.654,90 1.077.854,80 1.355.773,28 3650 208.748,36
TABELA 18 – ANÁLISE DE COVARIÂNCIA ENTRE CÂNDIDO DE ABREU E LONDRINA

Cândido Abreu 1825 478.800,98 490.005,82 621.674,65 1824 92.576,92
Londrina 1825 587.359,48 608.034,52 728.526,89 1824 79.888,89
3650 1.066.160,46 1.098.040,34 1.350.201,54 3649 173.188,15 47,4618
3651 1.069.752,31 1.099.464,96 1.350.766,58 3650 174.835,89
TABELA 19 – ANÁLISE DE COVARIÂNCIA ENTRE CÂNDIDO DE ABREU E PALMAS

Cândido Abreu 1825 478.800,98 490.005,82 621.674,65 1824 92.576,92
Palmas 1825 620.326,55 632.277,33 735.704,55 1824 76.936,37
3650 1.099.127,52 1.122.283,15 1.357.379,20 3649 171.222,14 46,9230
3651 1.102.887,71 1.128.049,71 1.366.222,71 3650 171.490,40

PARANAVAÍ

Cândido Abreu 1825 478.800,98 490.005,82 621.674,65 1824 92.576,92
Paranavaí 1825 553.969,69 547.185,23 645.699,96 1824 90.268,76
3650 1.032.770,67 1.037.191,05 1.267.374,61 3649 183.956,70 50,4129
3651 1.050.241,03 1.053.737,98 1.283.046,92 3650 184.829,40
124
TABELA 21 – ANÁLISE DE COVARIÂNCIA ENTRE CÂNDIDO DE ABREU E PINHAIS

Cândido Abreu 1825 478.800,98 490.005,82 621.674,65 1824 92.576,92
Pinhais 1825 526.389,50 527.515,64 651.482,55 1824 99.251,82
3650 1.005.190,48 1.017.521,46 1.273.157,20 3649 191.975,96 52,6106
3651 1.064.887,66 1.097.262,16 1.379.671,12 3650 192.227,33
TABELA 22 – ANÁLISE DE COVARIÂNCIA ENTRE CASCAVEL E GUARAPUAVA

Cascavel 1825 683.425,12 640.050,38 725.856,96 1824 119.037,76
Guarapuava 1825 585.305,87 583.755,07 723.271,97 1824 114.155,33
3650 1.268.730,99 1.223.805,45 1.449.128,93 3649 235.213,72 64,4598
3651 1.270.330,63 1.223.640,99 1.449.145,84 3650 237.103,18
TABELA 23 – ANÁLISE DE COVARIÂNCIA ENTRE CASCAVEL E LONDRINA

Cascavel 1825 683.425,12 640.050,38 725.856,96 1824 119.037,76
Londrina 1825 587.359,48 608.034,52 728.526,89 1824 79.888,89
3650 1.270.784,60 1.248.084,90 1.454.383,85 3649 199.735,91 54,7372
3651 1.271.161,29 1.249.563,23 1.460.185,50 3650 201.839,44
TABELA 24 – ANÁLISE DE COVARIÂNCIA ENTRE CASCAVEL E PALMAS

Cascavel 1825 683.425,12 640.050,38 725.856,96 1824 119.037,76
Palmas 1825 620.326,55 632.277,33 735.704,55 1824 76.936,37
3650 1.303.751,66 1.272.327,71 1.461.561,51 3649 196.156,95 53,7564
3651 1.304.076,39 1.272.434,02 1.461.596,31 3650 196.322,96
125
TABELA 25 – ANÁLISE DE COVARIÂNCIA ENTRE CASCAVEL E PARANAVAÍ

Cascavel 1825 683.425,12 640.050,38 725.856,96 1824 119.037,76
Paranavaí 1825 553.969,69 547.185,23 645.699,96 1824 90.268,76
3650 1.237.394,81 1.187.235,61 1.371.556,92 3649 209.709,87 57,4705
3651 1.282.133,91 1.234.853,88 1.422.239,65 3650 209.976,97
TABELA 26 – ANÁLISE DE COVARIÂNCIA ENTRE CASCAVEL E PINHAIS

Cascavel 1825 683.425,12 640.050,38 725.856,96 1824 119.037,76
Pinhais 1825 526.389,50 527.515,64 651.482,55 1824 99.251,82
3650 1.209.814,62 1.167.566,02 1.377.339,51 3649 220.072,87 60,3105
3651 1.237.036,10 1.204.923,82 1.428.608,05 3650 220.773,16
TABELA 27 – ANÁLISE DE COVARIÂNCIA ENTRE GUARAPUAVA E LONDRINA

Guarapuava 1825 585.305,87 583.755,07 723.271,97 1824 114.155,33
Londrina 1825 587.359,48 608.034,52 728.526,89 1824 79.888,89
3650 1.172.665,35 1.191.789,59 1.451.798,86 3649 194.318,80 53,2526
3651 1.173.089,17 1.190.136,86 1.458.243,84 3650 201.766,19
TABELA 28 – ANÁLISE DE COVARIÂNCIA ENTRE GUARAPUAVA E PALMAS

Guarapuava 1825 585.305,87 583.755,07 723.271,97 1824 114.155,33
Palmas 1825 620.326,55 632.277,33 735.704,55 1824 76.936,37
3650 1.205.632,42 1.216.032,40 1.458.976,52 3649 192.089,86 52,6418
3651 1.206.115,33 1.215.812,40 1.459.076,75 3650 193.009,07
126
TABELA 29 – ANÁLISE DE COVARIÂNCIA ENTRE GUARAPUAVA E PARANAVAÍ

Guarapuava 1825 585.305,87 583.755,07 723.271,97 1824 114.155,33
Paranavaí 1825 553.969,69 547.185,23 645.699,96 1824 90.268,76
3650 1.139.275,57 1.130.940,30 1.368.971,93 3649 204.978,87 56,1740
3651 1.168.694,91 1.170.259,75 1.421.523,05 3650 205.286,06
TABELA 30 – ANÁLISE DE COVARIÂNCIA ENTRE GUARAPUAVA E PINHAIS

Guarapuava 1825 585.305,87 583.755,07 723.271,97 1824 114.155,33
Pinhais 1825 526.389,50 527.515,64 651.482,55 1824 99.251,82
3650 1.111.695,37 1.111.270,70 1.374.754,52 3649 213.409,49 58,4844
3651 1.153.714,17 1.156.841,60 1.424.177,81 3650 214.026,38
TABELA 31 – ANÁLISE DE COVARIÂNCIA ENTRE LONDRINA E PALMAS

Londrina 1825 587.359,48 608.034,52 728.526,89 1824 79.888,89
Palmas 1825 620.326,55 632.277,33 735.704,55 1824 76.936,37
3650 1.207.686,03 1.240.311,85 1.464.231,44 3649 157.050,56 43,0393
3651 1.207.687,95 1.240.409,41 1.469.169,22 3650 160.418,88
TABELA 32 – ANÁLISE DE COVARIÂNCIA ENTRE LONDRINA E PARANAVAÍ

Londrina 1825 587.359,48 608.034,52 728.526,89 1824 79.888,89
Paranavaí 1825 553.969,69 547.185,23 645.699,96 1824 90.268,76
3650 1.141.329,17 1.155.219,75 1.374.226,85 3649 170.213,92 46,6467
3651 1.178.234,48 1.183.836,03 1.396.415,84 3650 174.616,72
127
TABELA 33 – ANÁLISE DE COVARIÂNCIA ENTRE LONDRINA E PINHAIS

Londrina 1825 587.359,48 608.034,52 728.526,89 1824 79.888,89
Pinhais 1825 526.389,50 527.515,64 651.482,55 1824 99.251,82
3650 1.113.748,98 1.135.550,15 1.380.009,43 3649 179.353,81 49,1515
3651 1.147.751,61 1.191.347,90 1.471.572,62 3650 183.266,54
TABELA 34 – ANÁLISE DE COVARIÂNCIA ENTRE PALMAS E PARANAVAÍ

Palmas 1825 620.326,55 632.277,33 735.704,55 1824 76.936,37
Paranavaí 1825 553.969,69 547.185,23 645.699,96 1824 90.268,76
3650 1.174.296,24 1.179.462,56 1.381.404,51 3649 167.254,55 45,8357
3651 1.211.736,89 1.221.882,47 1.429.465,88 3650 167.293,09
TABELA 35 – ANÁLISE DE COVARIÂNCIA ENTRE PALMAS E PINHAIS

Palmas 1825 620.326,55 632.277,33 735.704,55 1824 76.936,37
Pinhais 1825 526.389,50 527.515,64 651.482,55 1824 99.251,82
3650 1.146.716,05 1.159.792,97 1.387.187,10 3649 177.041,71 48,5179
3651 1.180.208,59 1.202.310,65 1.441.161,90 3650 177.163,13
TABELA 36 – ANÁLISE DE COVARIÂNCIA ENTRE PARANAVAÍ E PINHAIS

Paranavaí 1825 553.969,69 547.185,23 645.699,96 1824 90.268,76
Pinhais 1825 526.389,50 527.515,64 651.482,55 1824 99.251,82
3650 1.080.359,19 1.074.700,86 1.297.182,51 3649 189.981,83 52,0641
3651 1.222.115,62 1.244.713,37 1.501.083,34 3650 189.986,80
128
APÊNDICE 3 - PROGRAMA PARA CALCULAR OS ÍNDICES DE PERIGO PELA

FORMULA DE MONTE ALEGRE, PARA OS OITO MODELOS
LINEARES
program fma1;
{ Este programa lê uma arquivo texto com

dados de umidade relativa as 13:00 h,
precipitaçãoo e vento e calcula o índice
de perigo de incêndios usando a Fórmula de
Monte Alegre e oito modelos lineares.
Velocidade do vento em m/s. }
var
{ Declaracao das variáveis }
arqent, arqsai0, arqsai1, arqsai2 : text;

arqsai3, arqsai4, arqsai5, arqsai6, arqsai7, arqsai8, arqsait : text;
cont, caso, casoatual : integer;
data, grauperigo, grauperigo1 : string[10];
grauperigo2, grauperigo3 : string[10];
grauperigo4 : string[10];
UR, vento, prec, soma, somaant : real;
ifma, ifmav1, ifmav2, ifmav3, ifmav4, ifmav5, ifmav6, ifmav7, ifmav8, fp : real;
begin
{ Abre o arquivo de entrada, oferece a opcao

de que caso executar e inicializa variáveis }
assign(arqent,'c:\Turbo\TPascal\camb.txt');
reset(arqent);
writeln;writeln;
writeln(' Entre com a opcao de 0 para executar a FMA, ');
writeln(' ou as opcoes de 1 a 8 para incluir vento, ');
write(' ou a opcao 9 para executar todos os casos: ');
readln(caso);
cont := 1;
soma := 0.0;
somaant := 0.0;
{ Cria os arquivos de sa¡da conforme a opção selecionada }
if caso = 9 then
begin
casoatual := caso;
caso := 0;
assign(arqsait,'c:\Turbo\TPascal\cambsait.txt');
rewrite(arqsait);
writeln(arqsait,' Formula de Monte Alegre');
write(arqsait,' Data UR Vento Precip. FMA Grau Perigo FMAV01 Grau Perigo');
write(arqsait,' FMAV02 Grau Perigo FMAV03 Grau Perigo FMAV04 Grau Perigo');
129
writeln(arqsait,' FMAV05 Grau Perigo FMAV06 Grau Perigo FMAV07 Grau Perigo FMAV08
Grau Perigo');
write(arqsait,'---------------------------------------------------------------------------');
write(arqsait,'-------------------------------------------------------------------');
writeln(arqsait,'-------------------------------------------------------------------------------');
if casoatual = 9 then
caso := 0;
end;
if (caso = 0) and (casoatual <> 9) then
begin
assign(arqsai0,'c:\Turbo\TPascal\cambsai0.txt');
rewrite(arqsai0);
writeln(arqsai0,' Formula de Monte Alegre');
writeln(arqsai0,' Data UR Vento Precip. FMA Grau Perigo');
writeln(arqsai0,'---------------------------------------------------------');
caso := 1;
end;
begin
rewrite(arqsai1);
writeln(arqsai1,' Formula de Monte Alegre com vento - caso 1');
writeln(arqsai1,' Data UR Vento Precip. FMAV01 Grau Perigo');
writeln(arqsai1,'---------------------------------------------------------');
caso := 2;
end;
begin
rewrite(arqsai2);
writeln(arqsai2,'---------------------------------------------------------');
caso := 3;
end;
begin
rewrite(arqsai3);
writeln(arqsai3,'---------------------------------------------------------');
caso := 4;
end;
begin
rewrite(arqsai4);
writeln(arqsai4,'---------------------------------------------------------');
end;
begin
130
rewrite(arqsai5);
writeln(arqsai5,'---------------------------------------------------------');
end;
begin
rewrite(arqsai6);
writeln(arqsai6,'---------------------------------------------------------');
end;
begin
rewrite(arqsai7);
writeln(arqsai7,'---------------------------------------------------------');
end;
begin
rewrite(arqsai8);
writeln(arqsai8,'---------------------------------------------------------');
end;
{ Lê o arquivo de entrada, e realiza os calculos }
while cont <= 1826 do

begin
readln(arqent,data,UR,vento,prec);
if prec <= 2.4 then
begin
soma := somaant + (1 / UR);
ifma := 100 * soma;
somaant := soma;
end;
if (prec >= 2.5) and (prec <= 4.9) then
begin
somaant := somaant * 0.70;
ifma := 100 * soma;
somaant := soma;
end;
begin
ifma := 100 * soma;
somaant := soma;
end;
begin
131

ifma := 100 * soma;
somaant := soma;
end;
if prec >= 12.9 then
begin
soma := 0.0;
ifma := 0.0;
somaant := 0.0;
end;
{ Determina o grau de perigo }
if (caso = 0) or (casoatual = 9) then

begin
if ifma <= 1.0 then
grauperigo := 'nulo';
if (ifma >= 1.1) and (ifma <= 3.0) then
grauperigo := 'pequeno';
grauperigo := 'medio';
grauperigo := 'alto';
if ifma > 20.0 then
grauperigo := 'muito alto';
if casoatual <> 9 then
writeln(arqsai0,data:12,UR:6:2,vento:7:2,prec:7:2,ifma:7:2,' ',grauperigo);
end;
{ Para cada caso determina o fator de correção no índice

em funcao da velocidade do vento }

begin
fp := 1.00 + (vento * 0.05);
ifmav1 := ifma * fp;
if ifmav1 <= 1.0 then
grauperigo1 := 'nulo';
if (ifmav1 >= 1.1) and (ifmav1 <= 3.0) then
grauperigo1 := 'pequeno';
grauperigo1 := 'medio';
grauperigo1 := 'alto';
if ifmav1 > 20.0 then
grauperigo1 := 'muito alto';
writeln(arqsai1,data:12,UR:6:2,vento:7:2,prec:7:2,ifmav1:7:2,' ',grauperigo1);
end;

begin
fp := 1.00 + (vento * 0.10);
132
end;

begin
fp := 1.00 + (vento * 0.15);
end;

begin
fp := 1.00 + (vento * 0.20);
end;
begin
fp := 1.00 + (vento * 0.25);
133

end;
begin
fp := 1.00 + (vento * 0.30);
end;
begin
fp := 1.00 + (vento * 0.35);
end;
begin
fp := 1.00 + (vento * 0.40);
end;
134
begin
write(arqsait,data:12,UR:6:2,vento:7:2,prec:7:2,ifma:7:2,' ',grauperigo:10);
write(arqsait,ifmav1:7:2,' ',grauperigo1:10);
writeln(arqsait,ifmav8:8:2,' ',grauperigo8:10);
end;
cont := cont + 1;
end;
{ Fecha os arquivos criados durante o processamento }

close(arqsai0);
close(arqsai1);
close(arqsai2);
close(arqsai3);
close(arqsai4);
close(arqsai5);
close(arqsai6);
close(arqsai7);
close(arqsai8);
begin
close(arqsait);
end;
end.
135
APÊNDICE 4 - PROGRAMA PARA CALCULAR OS ÍNDICES DE PERIGO PELA

FORMULA DE MONTE ALEGRE, PARA OS SETE MODELOS
EXPONENCIAIS
program fma2;
{ Este programa lê uma arquivo texto com

dados de umidade relativa as 13:00 h,
precipitacao e vento e calcula o índice
de perigo de incendios usando a Fórmula
de Monte Alegre e os sete modelos
exponenciais. Velocidade do vento em m/s. }
var
{ Declaração das variáveis }
arqent, arqsai0, arqsai1, arqsai2 : text;

arqsai3, arqsai4, arqsai5, arqsai6, arqsai7, arqsait : text;
cont, caso, casoatual : integer;
data, grauperigo, grauperigo1 : string[10];
UR, vento, prec, soma, somaant, f : real;
ifma, ifmav1, ifmav2, ifmav3, ifmav4, ifmav5, ifmav6, ifmav7, fp : real;
begin
{ Abre o arquivo de entrada, oferece a opção de que caso executar e inicializa variáveis }
assign(arqent,'c:\Turbo\TPascal\camb.txt');
reset(arqent);
writeln;writeln;
writeln(' Entre com a opcao de 0 para executar a FMA, ');
writeln(' ou as opcoes de 1 a 7 para incluir vento, ');
write(' ou a opcao 9 para executar todos os casos: ');
readln(caso);
cont := 1;
soma := 0.0;
somaant := 0.0;
{ Cria os arquivos de saída conforme a opcao selecionada }
if caso = 9 then
begin
casoatual := caso;
caso := 0;
assign(arqsait,'c:\Turbo\TPascal\cambsait.txt');
rewrite(arqsait);
writeln(arqsait,' Formula de Monte Alegre');
write(arqsait,' Data UR Vento Precip. FMA Grau Perigo MODELO Grau Perigo');
write(arqsait,' FMAVE1 Grau Perigo FMAVE2 Grau Perigo FMAVE3 Grau Perigo');
writeln(arqsait,' FMAVE4 Grau Perigo FMAVE5 Grau Perigo FMAVE6 Grau Perigo');
write(arqsait,'---------------------------------------------------------------------------');
136
write(arqsait,'-------------------------------------------------------------------');
writeln(arqsait,'------------------------------------------------------------------');
caso := 0;
end;
begin
rewrite(arqsai0);
writeln(arqsai0,' Formula de Monte Alegre');
writeln(arqsai0,' Data UR Vento Precip. FMA Grau Perigo');
writeln(arqsai0,'---------------------------------------------------------');
caso := 1;
end;
begin
rewrite(arqsai1);
writeln(arqsai1,' Data UR Vento Precip. MODELO Grau Perigo');
writeln(arqsai1,'---------------------------------------------------------');
caso := 2;
end;
begin
rewrite(arqsai2);
writeln(arqsai2,' Data UR Vento Precip. FMAVE1 Grau Perigo');
writeln(arqsai2,'---------------------------------------------------------');
caso := 3;
end;
begin
rewrite(arqsai3);
writeln(arqsai3,'---------------------------------------------------------');
caso := 4;
end;
begin
rewrite(arqsai4);
writeln(arqsai4,'---------------------------------------------------------');
end;
begin
rewrite(arqsai5);
137

writeln(arqsai5,'---------------------------------------------------------');
end;
begin
rewrite(arqsai6);
writeln(arqsai6,'---------------------------------------------------------');
end;
begin
rewrite(arqsai7);
writeln(arqsai7,'---------------------------------------------------------');
end;
{ Lê o arquivo de entrada, e realiza os cálculos }
while cont <= 1826 do

begin
readln(arqent,data,UR,vento,prec);
if prec <= 2.4 then
begin
ifma := 100 * soma;
somaant := soma;
end;
begin
ifma := 100 * soma;
somaant := soma;
end;
begin
ifma := 100 * soma;
somaant := soma;
end;
begin
ifma := 100 * soma;
somaant := soma;
end;
if prec >= 12.9 then
begin
soma := 0.0;
ifma := 0.0;
somaant := 0.0;
end;
138
{ Determina o grau de perigo }

begin
if ifma <= 1.0 then
grauperigo := 'nulo';
grauperigo := 'pequeno';
grauperigo := 'medio';
grauperigo := 'alto';
if ifma > 20.0 then
grauperigo := 'muito alto';
writeln(arqsai0,data:12,UR:6:2,vento:7:2,prec:7:2,ifma:7:2,' ',grauperigo);
end;
{ Para cada caso determina o fator de correção no indice em função da velocidade do vento }

begin
f := 0.05039 * vento;
fp := exp(f);
end;
begin
f := 0.04 * vento;
fp := exp(f);
end;
139
begin
f := 0.06 * vento;
fp := exp(f);
end;
begin
f := 0.07 * vento;
fp := exp(f);
end;
begin
f := 0.08 * vento;
fp := exp(f);
end;
begin
f := 0.09 * vento;
fp := exp(f);
140

end;
begin
f := 0.10 * vento;
fp := exp(f);
end;
begin
write(arqsait,data:12,UR:6:2,vento:7:2,prec:7:2,ifma:7:2,' ',grauperigo:10);
writeln(arqsait,ifmav7:8:2,' ',grauperigo7:10);
end;
cont := cont + 1;
end;
{ Fecha os arquivos criados durante o processamento }

close(arqsai0);
close(arqsai1);
close(arqsai2);
close(arqsai3);
close(arqsai4);
141

close(arqsai5);
close(arqsai6);
close(arqsai7);
begin
close(arqsait);
end;
end.
142

MONTE ALEGRE MODIFICADA PARA OS OITO MODELOS
LINEARES
TABELA 1 – EXEMPLO PARA TELÊMACO BORBA
Klabin – Telêmaco Borba

DATA UR13 Vento Prec FMA FMAl1 FMAl2 FMAl3 FMAl4 FMAl5 FMAl6 FMAl7 FMAl8
1/6/1998 61.00 1.40 0.00 1.64 1.75 1.87 1.98 2.10 2.21 2.33 2.44 2.56
2/6/1998 51.00 1.40 0.00 3.60 3.85 4.10 4.36 4.61 4.86 5.11 5.36 5.62
3/6/1998 63.00 1.80 0.00 5.19 5.65 6.12 6.59 7.05 7.52 7.99 8.46 8.92
4/6/1998 49.00 1.60 0.00 7.23 7.81 8.38 8.96 9.54 10.12 10.70 11.28 11.85
5/6/1998 55.00 2.10 0.00 9.05 10.00 10.95 11.90 12.85 13.80 14.75 15.70 16.65
6/6/1998 65.00 2.30 0.00 10.58 11.80 13.02 14.24 15.45 16.67 17.89 19.11 20.32
7/6/1998 61.00 1.70 0.00 12.22 13.26 14.30 15.34 16.38 17.42 18.46 19.50 20.54
8/6/1998 60.00 1.40 0.00 13.89 14.86 15.84 16.81 17.78 18.75 19.73 20.70 21.67
9/6/1998 52.00 1.30 0.00 15.81 16.84 17.87 18.90 19.93 20.95 21.98 23.01 24.04
10/6/1998 61.00 1.70 0.00 17.45 18.94 20.42 21.90 23.39 24.87 26.35 27.84 29.32
11/6/1998 70.00 1.90 0.00 18.88 20.68 22.47 24.26 26.06 27.85 29.64 31.44 33.23
12/6/1998 66.00 2.40 0.00 20.40 22.84 25.29 27.74 30.19 32.64 35.08 37.53 39.98
13/6/1998 63.00 2.10 0.00 21.98 24.29 26.60 28.91 31.22 33.53 35.83 38.14 40.45
14/6/1998 79.00 1.80 0.00 23.25 25.34 27.44 29.53 31.62 33.71 35.81 37.90 39.99
15/6/1998 70.00 1.90 0.00 24.68 27.02 29.37 31.71 34.06 36.40 38.75 41.09 43.43
16/6/1998 67.00 2.50 0.00 26.17 29.44 32.71 35.99 39.26 42.53 45.80 49.07 52.34
17/6/1998 49.00 1.90 0.00 28.21 30.89 33.57 36.25 38.93 41.61 44.29 46.97 49.65
18/6/1998 96.00 1.90 101.60 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00
19/6/1998 88.00 2.00 1.20 1.14 1.25 1.36 1.48 1.59 1.70 1.82 1.93 2.05
20/6/1998 87.00 1.90 0.00 2.29 2.50 2.72 2.94 3.15 3.37 3.59 3.81 4.02
21/6/1998 79.00 1.40 0.00 3.55 3.80 4.05 4.30 4.55 4.79 5.04 5.29 5.54
22/6/1998 46.00 1.60 0.00 5.73 6.18 6.64 7.10 7.56 8.02 8.47 8.93 9.39
23/6/1998 65.00 1.90 13.60 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00
24/6/1998 80.00 1.90 0.00 1.25 1.37 1.49 1.61 1.73 1.84 1.96 2.08 2.20
25/6/1998 41.00 2.90 0.00 3.69 4.22 4.76 5.29 5.83 6.36 6.90 7.43 7.97
26/6/1998 55.00 2.20 0.00 5.51 6.11 6.72 7.32 7.93 8.54 9.14 9.75 10.35
27/6/1998 59.00 1.40 0.00 7.20 7.71 8.21 8.71 9.22 9.72 10.23 10.73 11.24
28/6/1998 64.00 1.50 0.00 8.76 9.42 10.08 10.74 11.39 12.05 12.71 13.37 14.02
29/6/1998 42.00 1.70 0.00 11.15 12.09 13.04 13.99 14.94 15.88 16.83 17.78 18.72
30/6/1998 67.00 2.30 0.00 12.64 14.09 15.54 17.00 18.45 19.91 21.36 22.81 24.27
143

MONTE ALEGRE MODIFICADA PARA OS SETE MODELOS
EXPONENCIAIS
TABELA 1 – EXEMPLO PARA TELÊMACO BORBA
Klabin – Telêmaco Borba

DATA UR13 Vento Prec FMA VWAG FMAe1 FMAe2 FMAe3 FMAe4 FMAe5 FMAe6
1/6/1998 61.00 1.40 0.00 1.64 1.76 1.73 1.78 1.81 1.83 1.86 1.89
2/6/1998 51.00 1.40 0.00 3.60 3.86 3.81 3.92 3.97 4.03 4.08 4.14
3/6/1998 63.00 1.80 0.00 5.19 5.68 5.57 5.78 5.88 5.99 6.10 6.21
4/6/1998 49.00 1.60 0.00 7.23 7.84 7.71 7.96 8.08 8.22 8.35 8.48
5/6/1998 55.00 2.10 0.00 9.05 10.06 9.84 10.26 10.48 10.70 10.93 11.16
6/6/1998 65.00 2.30 0.00 10.58 11.89 11.60 12.15 12.43 12.72 13.02 13.32
7/6/1998 61.00 1.70 0.00 12.22 13.32 13.08 13.54 13.77 14.01 14.25 14.49
8/6/1998 60.00 1.40 0.00 13.89 14.91 14.69 15.11 15.32 15.54 15.76 15.98
9/6/1998 52.00 1.30 0.00 15.81 16.88 16.66 17.10 17.32 17.55 17.78 18.01
10/6/1998 61.00 1.70 0.00 17.45 19.01 18.68 19.33 19.66 20.00 20.34 20.69
11/6/1998 70.00 1.90 0.00 18.88 20.78 20.37 21.16 21.57 21.98 22.40 22.83
12/6/1998 66.00 2.40 0.00 20.40 23.02 22.45 23.56 24.13 24.71 25.31 25.93
13/6/1998 63.00 2.10 0.00 21.98 24.44 23.91 24.94 25.47 26.01 26.56 27.12
14/6/1998 79.00 1.80 0.00 23.25 25.46 24.99 25.90 26.37 26.85 27.34 27.84
15/6/1998 70.00 1.90 0.00 24.68 27.16 26.63 27.66 28.19 28.73 29.28 29.84
16/6/1998 67.00 2.50 0.00 26.17 29.68 28.92 30.41 31.18 31.97 32.77 33.60
17/6/1998 49.00 1.90 0.00 28.21 31.05 30.44 31.62 32.23 32.84 33.47 34.12
18/6/1998 96.00 1.90 101.60 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00
19/6/1998 88.00 2.00 1.20 1.14 1.26 1.23 1.28 1.31 1.33 1.36 1.39
20/6/1998 87.00 1.90 0.00 2.29 2.52 2.47 2.56 2.61 2.66 2.71 2.76
21/6/1998 79.00 1.40 0.00 3.55 3.81 3.76 3.86 3.92 3.97 4.03 4.09
22/6/1998 46.00 1.60 0.00 5.73 6.21 6.10 6.30 6.40 6.51 6.61 6.72
23/6/1998 65.00 1.90 13.60 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00
24/6/1998 80.00 1.90 0.00 1.25 1.38 1.35 1.40 1.43 1.46 1.48 1.51
25/6/1998 41.00 2.90 0.00 3.69 4.27 4.14 4.39 4.52 4.65 4.79 4.93
26/6/1998 55.00 2.20 0.00 5.51 6.15 6.01 6.28 6.42 6.57 6.71 6.86
27/6/1998 59.00 1.40 0.00 7.20 7.73 7.62 7.83 7.94 8.06 8.17 8.28
28/6/1998 64.00 1.50 0.00 8.76 9.45 9.31 9.59 9.73 9.88 10.03 10.18
29/6/1998 42.00 1.70 0.00 11.15 12.14 11.93 12.34 12.55 12.77 12.99 13.21
30/6/1998 67.00 2.30 0.00 12.64 14.19 13.86 14.51 14.85 15.19 15.54 15.91
144
APÊNDICE 7 – CÁLCULOS DO SKILL SCORE PARA DEFINIÇÃO DO MELHOR

MODELO
TABELA 1 – TABELA DE CONTINGÊNCIA PARA A FMA
FMA – Tabela de contingência

Observado
TABELA 2 – CÁLCULOS PARA O FMA
FMA – Cálculos
Observado
Não incêndio 0,0625 0,2859 0,3484
TABELA 3 – TABELA DE CONTINGÊNCIA PARA O MODELO FMAVL1
FMAVL1 – Tabela de contingência

Observado
TABELA 4 – CÁLCULOS PARA O MODELO FMAVL1
FMAVL1 – Cálculos
Observado
Não incêndio 0,0568 0,2656 0,3224

Observado
145
Observado
Não incêndio 0,0568 0,2519 0,3087

Observado
Observado
Não incêndio 0,0568 0,2421 0,2989

Observado
Observado
Não incêndio 0,0568 0,2421 0,2989
146

Observado
Observado
Não incêndio 0,0511 0,2338 0,2850

Observado
Observado
Não incêndio 0,0511 0,2262 0,2773

Observado
147
Observado
Não incêndio 0,0511 0,2212 0,2724

Observado
Observado
Não incêndio 0,0511 0,2169 0,2680
TABELA 19 – TABELA DE CONTINGÊNCIA PARA O MODELO VWAGNER
VWagner – Tabela de contingência

Observado
TABELA 20 – CÁLCULOS PARA O MODELO VWAGNER
VWagner – Cálculos
Observado
Não incêndio 0,0625 0,2733 0,3358
148

Observado
Observado
Não incêndio 0,0625 0,2755 0,3380

Observado
Observado
Não incêndio 0,0568 0,2722 0,3290

Observado
149
Observado
Não incêndio 0,0568 0,2689 0,3257
TABELA 27 – TABELA DE CONTINGÊNCIA PARA O VFMAVE4

Observado
TABELA 28 – CÁLCULOS PARA O VFMAVE4
Observado
Não incêndio 0,0568 0,2662 0,3230

Observado
Observado
Não incêndio 0,0568 0,2656 0,3224
150

Observado
Observado
Não incêndio 0,0568 0,2618 0,3186

Novo Índice de Pergo de Incêndios Florestais

Enviado por

Dados do documento

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Novo Índice de Pergo de Incêndios Florestais

Enviado por

Direitos autorais:

Formatos disponíveis

JOSÉ RENATO SOARES NUNES

FMA+ - UM NOVO ÍNDICE DE PERIGO DE INCÊNDIOS

Tese apresentada ao Curso de Pós-Graduação

Orientador: Prof. Dr. Ronaldo Viana Soares

dedico essa tese

JOSÉ RENATO SOARES NUNES, filho de Iracy Nunes e Yolanda Soares

À Universidade Federal do Paraná, através de seu Departamento de

Cantiga do Estradar – Elomar Figueira Mello

3.1 CARACTERIZAÇÃO DAS ÁREAS DE ESTUDO.......................................... 40

LITERATURA CONSULTADA................................................................................. 104

TABELA 1 - CLASSES DE MATERIAL COMBUSTÍVEL E TEMPOS DE

TABELA 3 - ESCALA DE PERIGO DO ÍNDICE LOGARÍTMICO DE

TABELA 4 - RESTRIÇÕES DO ÍNDICE DE NESTEROV EM FUNÇÃO DA

TABELA 5 - ESCALA DE PERIGO DO ÍNDICE DE NESTEROV…........….... 31

TABELA 6 - VALORES DOS ACUMULADORES DO ÍNDICE DE

TABELA 7 - ESCALA DE PERIGO DO ÍNDICE DE RODRIGUEZ E

TABELA 8 - RESTRIÇÕES DA FÓRMULA DE MONTE ALEGRE EM

TABELA 9 - ESCALA DE PERIGO DA FÓRMULA DE MONTE ALEGRE…. 34

TABELA 10 - ESCALA DE PERIGO PARA O SISTEMA AUSTRALIANO........ 38

TABELA 11 - ESCALA DE PERIGO PARA O SISTEMA DA FRANÇA............ 38

TABELA 12 - ESCALA DE PERIGO PARA O SISTEMA CHILENO................. 39

TABELA 13 LOCALIZAÇÃO DAS ESTAÇÕES METEOROLÓGICAS NAS

TABELA 14 - TABELA DE CONTINGÊNCIA.................................................... 51

TABELA 15 - CÁLCULOS DA TABELA DE CONTINGÊNCIA.......................... 51

TABELA 16 - COMPORTAMENTO DA UMIDADE RELATIVA NAS

TABELA 21 - CORREÇÃO DA UMIDADE RELATIVA DAS 9:00 PARA

TABELA 23 - CORREÇÃO DA UMIDADE RELATIVA DAS 15:00 PARA

TABELA 25 - CORREÇÃO DA UMIDADE RELATIVA DAS 15:00 PARA

TABELA 27 - RELAÇÃO DE ANÁLISES DE COVARIÂNCIA REALIZADOS

TABELA 29 - CORREÇÃO DA UMIDADE RELATIVA DAS 15:00 PARA AS

TABELA 31 - FATORES DE PROPAGAÇÃO EXPONENCIAIS....................... 71

TABELA 32 - EXEMPLO DE SAÍDA DO PROGRAMA PARA OS MODELOS

TABELA 33 - EXEMPLO DE SAÍDA DO PROGRAMA PARA OS MODELOS

TABELA 34 - DISTRIBUIÇÃO DO NÚMERO DE DIAS OBSERVADOS EM

TABELA 35 - DISTRIBUIÇÃO DO NÚMERO DE DIAS OBSERVADOS EM

TABELA 36 - DISTRIBUIÇÃO DAS OCORRÊNCIAS DE INCÊNDIOS

TABELA 37 - DISTRIBUIÇÃO DAS OCORRÊNCIAS DE INCÊNDIOS

TABELA 38 - DISTRIBUIÇÃO DAS ÁREAS QUEIMADAS OBSERVADAS

TABELA 39 - DISTRIBUIÇÃO DAS ÁREAS QUEIMADAS OBSERVADAS

TABELA 40 - DISTRIBUIÇÃO DAS ÁREAS QUEIMADAS MÉDIAS POR

TABELA 41 - DISTRIBUIÇÃO DAS ÁREAS QUEIMADAS MÉDIAS POR

TABELA 42 - QUANTIDADE DE DIAS EM QUE OS ÍNDICES PREVIRAM

TABELA 43 - VALORES OBTIDOS DE SKILL SCORE E PORCENTAGEM

TABELA 45 - DISTRIBUIÇÃO DO NÚMERO DE DIAS PREVISTOS EM

TABELA 46 - DISTRIBUIÇÃO DO NÚMERO DE INCÊNDIOS

TABELA 47 - DISTRIBUIÇÃO DA ÁREA QUEIMADA EM CADA NÍVEL DE

TABELA 48 - DISTRIBUIÇÃO ÁREA QUEIMADA MÉDIA POR INCÊNDIO

TABELA 49 - QUANTIDADE DE DIAS EM QUE OS ÍNDICES PREVIRAM

TABELA 50 - TABELA DE CONTINGÊNCIA PARA O MODELO FMAVE1...... 95

TABELA 51 - CÁLCULOS PARA O MODELO FMAVE1................................... 95

TABELA 52 - TABELA DE CONTINGÊNCIA PARA O MODELO FMAVE2...... 95

TABELA 53 - CÁLCULOS PARA O MODELO FMAVE2................................... 95

TABELA 54 - VALORES OBTIDOS DE SKILL SCORE E PORCENTAGEM

TABELA 55 - RESTRIÇÕES DA FMA+ EM FUNÇÃO DA QUANTIDADE DE

FIGURA 1 - DISTRIBUIÇÃO DAS REGIÕES DE ESTUDO NO ESTADO DO

FIGURA 2 - LOCALIZAÇÃO DO MUNICÍPIO DE TELÊMACO BORBA NO

FIGURA 3 - DISTRIBUIÇÃO DAS REGIÕES DE ESTUDO NO MAPA

FIGURA 4 - DISTRIBUIÇÃO DAS REGIÕES DE ESTUDO NO MAPA DE

FIGURA 5 - DISTRIBUIÇÃO DAS REGIÕES DE ESTUDO NO MAPA DE

FIGURA 6 - DISTRIBUIÇÃO DAS REGIÕES DE ESTUDO NO MAPA DE

FIGURA 7 UMIDADE RELATIVA MÍNIMA ABSOLUTA NAS REGIÕES

FIGURA 8 UMIDADE RELATIVA MÉDIA NAS REGIÕES ESTUDADAS

FIGURA 9 NÚMERO DE DIAS SEM CHUVA NAS REGIÕES

FIGURA 10 NÚMERO DE DIAS SEM CHUVA NAS REGIÕES